Copula-Based Estimation of Causal Effects in Multiple Linear and Path Analysis Models
多元线性与路径分析模型中基于 Copula 的因果效应估计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：题名与摘要明确关注路径分析中的直接、间接及因果效应估计。
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…
多元线性与路径分析模型中基于 Copula 的因果效应估计
- 研究问题
- 在内生与外生变量通过椭圆 Copula 联系的路径分析模型中，如何估计直接和间接效应，并比较 Copula 回归与普通最小二乘的表现？
- 方法与思路
- 作者研究椭圆 Copula 下的路径分析模型，以数值方案比较不同情形中的普通最小二乘和 Copula 回归效应估计，并提供两个真实数据应用。
- 材料陈述的贡献
- 摘要称，论文将 Copula 回归用于路径分析中的直接与间接效应估计，并通过数值比较和真实数据展示其表现；摘要未报告明确的优势幅度。
- 阅读关注点
- 应核对路径结构及误差依赖的设定、椭圆 Copula 参数的识别与估计，以及将路径系数解释为因果直接或间接效应所需的假设。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验。摘要未给出因果识别条件或具体比较结果，不能仅凭拟合变量依赖结构确认路径效应具有因果含义。
原文摘要
Regression analysis is one of the most popularly used statistical technique which only measures the direct effect of independent variables on dependent variable. Path analysis looks for both direct and indirect effects of independent variables and may overcome several hurdles allied with regression models. It utilizes one or more structural regression equations in the model which are used to estimate the unknown parameters. The aim of this work is to study the path analysis models when the endogenous (dependent) variable and exogenous (independent) variables are linked through the elliptical copulas. Using well-organized numerical schemes, we investigate the performance of path models when direct and indirect effects are estimated applying classical ordinary least squares and copula-based regression approaches in different scenarios. Finally, two real data applications are also presented to demonstrate the performance of path analysis using copula approach.