Using negative controls to identify causal effects with invalid instrumental variables
利用负向对照识别无效工具变量下的因果效应AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接讨论无效工具变量下的因果识别，并以负向对照构造已处理者平均处理效应估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
利用负向对照识别无效工具变量下的因果效应
- 研究问题
- 当工具变量的无混杂或排除限制可能违反时，如何借助负向对照人群或结局识别因果效应，并估计已处理者的平均处理效应？
- 方法与思路
- 作者利用暴露无变异的子人群，要求工具变量与结局的关联满足特定平行趋势条件，并发展半参数效率理论和多重稳健估计。
- 材料陈述的贡献
- 摘要称负向对照可在工具变量部分失效时支持因果识别，并得到已处理者平均效应的多重稳健、局部有效估计量。
- 阅读关注点
- 应核对负向对照的有效性、平行趋势条件及其比较对象，以及识别所需的其他条件和多重稳健性允许的模型组合。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断平行趋势的具体形式和可检验程度；不能推断任意无效工具变量均可被修复，刊本变化未提供。
原文摘要
Summary Many proposals for the identification of causal effects require an instrumental variable that satisfies strong, untestable unconfoundedness and exclusion restriction assumptions. In this paper, we show how one can potentially identify causal effects under violations of these assumptions by harnessing a negative control population or outcome. This strategy allows one to leverage subpopulations for whom the exposure is degenerate, and requires that the instrument-outcome association satisfies a certain parallel trend condition. We develop semiparametric efficiency theory for a general instrumental variable model, and obtain a multiply robust, locally efficient estimator of the average treatment effect in the treated. The utility of the estimators is demonstrated in simulation studies and an analysis of the Life Span Study.