Identifying causal effects with proxy variables of an unmeasured confounder
利用未观测混杂因素的代理变量识别因果效应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：摘要明确研究未观测混杂下利用代理变量进行因果效应识别与零效应检验。
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…
利用未观测混杂因素的代理变量识别因果效应
- 研究问题
- 存在未观测混杂但可以观察其代理变量时，何时能够非参数识别因果效应；代理不足时，又能否检验不存在因果效应？
- 方法与思路
- 作者利用至少两个独立代理变量及某一秩条件建立识别结果，并在只有一个代理或秩条件不满足时提出零效应检验策略。
- 材料陈述的贡献
- 摘要称即使代理变量的测量误差机制不可识别，因果效应仍可识别，从而扩展依赖该机制识别的既有策略，并处理识别不足时的检验。
- 阅读关注点
- 应核对代理独立性的精确定义、秩条件与其他代理假设，以及测量机制不可识别时的识别论证和零效应检验条件。
- 阅读边界
- 仅据版本未注明的索引摘要，不能推断刊本变化；摘要未完整说明代理假设和秩条件，不能认为任意两个代理都足以识别因果效应。
原文摘要
We consider a causal effect that is confounded by an unobserved variable, but with observed proxy variables of the confounder. We show that, with at least two independent proxy variables satisfying a certain rank condition, the causal effect is nonparametrically identified, even if the measurement error mechanism, i.e., the conditional distribution of the proxies given the confounder, may not be identified. Our result generalizes the identification strategy of Kuroki & Pearl (2014) that rests on identification of the measurement error mechanism. When only one proxy for the confounder is available, or the required rank condition is not met, we develop a strategy to test the null hypothesis of no causal effect.