Substitute adjustment via recovery of latent variables
通过恢复潜变量进行替代变量调整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：摘要直接审视多重处理与未观测混杂下 deconfounder 的因果解释及其统计目标。
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…
关注这篇论文的作者
通过恢复潜变量进行替代变量调整
- 研究问题
- 从多个解释变量恢复潜变量后进行结果回归，究竟估计什么目标参数；这种替代变量调整何时能够支持可靠的统计估计？
- 方法与思路
- 作者将 deconfounder 的因果解释与统计估计分开，在给定潜变量时解释变量条件独立的框架下研究调整回归，并提出较少假设的变体。
- 材料陈述的贡献
- 摘要称一般目标是调整回归参数，并在潜变量取有限值时给出有限样本界与渐近结果；模拟展示替代变量调整的有限样本性质。
- 阅读关注点
- 应核对调整回归目标与因果参数的区别、潜变量恢复条件，以及有限潜类别结果和较少模型假设的变体分别适用的范围。
- 阅读边界
- 这是 arXiv 预印本，未核实同行评审或期刊接收。摘要未说明完整条件，恢复潜变量并估计调整回归参数本身不保证因果识别。
原文摘要
The deconfounder was proposed as a method for estimating causal parameters in a context with multiple causes and unobserved confounding. It is based on recovery of a latent variable from the observed causes. We disentangle the causal interpretation from the statistical estimation problem and show that the deconfounder in general estimates adjusted regression target parameters. It does so by outcome regression adjusted for the recovered latent variable termed the substitute. We refer to the general algorithm, stripped of causal assumptions, as substitute adjustment. We give theoretical results to support that substitute adjustment estimates adjusted regression parameters when the regressors are conditionally independent given the latent variable. We also introduce a variant of our substitute adjustment algorithm that estimates an assumption-lean target parameter with minimal model assumptions. We then give finite sample bounds and asymptotic results supporting substitute adjustment estimation in the case where the latent variable takes values in a finite set. A simulation study illustrates finite sample properties of substitute adjustment. Our results support that when the latent variable model of the regressors hold, substitute adjustment is a viable method for adjusted regression.