Covariate-assisted bounds on causal effects with instrumental variables
利用协变量辅助构造工具变量因果效应界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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究工具变量下平均处理效应的部分识别、效应界估计及推断，直接属于因果推断。
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…
利用协变量辅助构造工具变量因果效应界
- 研究问题
- 研究在不愿施加强结构假设以点识别平均处理效应时，如何利用工具变量与基线协变量构造并估计因果效应界。
- 方法与思路
- 作者将既有二元结局界推广至含协变量的环境，针对非光滑界提出边际条件下的影响函数估计及平滑近似估计。
- 材料陈述的贡献
- 摘要称在新的边际条件下，灵活估计干扰函数仍可使界估计达到参数收敛率，并讨论连续结局扩展和教育工资应用。
- 阅读关注点
- 应核对条件工具变量假设、协变量如何改变界的宽度、新边际条件，以及平滑近似引入的偏差与推断目标。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未给出边际条件和连续结局扩展细节，不能推断所有环境均有紧界。
原文摘要
When an exposure of interest is confounded by unmeasured factors, an instrumental variable (IV) can be used to identify and estimate certain causal contrasts. Identification of the marginal average treatment effect (ATE) from IVs relies on strong untestable structural assumptions. When one is unwilling to assert such structure, IVs can nonetheless be used to construct bounds on the ATE. Famously, Balke and Pearl (1997) proved tight bounds on the ATE for a binary outcome, in a randomized trial with noncompliance and no covariate information. We demonstrate how these bounds remain useful in observational settings with baseline confounders of the IV, as well as randomized trials with measured baseline covariates. The resulting bounds on the ATE are non-smooth functionals, and thus standard nonparametric efficiency theory is not immediately applicable. To remedy this, we propose (1) under a novel margin condition, influence function-based estimators of the bounds that can attain parametric convergence rates when the nuisance functions are modeled flexibly, and (2) estimators of smooth approximations of these bounds. We propose extensions to continuous outcomes, explore finite sample properties in simulations, and illustrate the proposed estimators in an observational study targeting the effect of higher education on wages.