On Local Overidentification and Efficiency Gains in Modern Causal Inference and Data Combination
现代因果推断与数据整合中的局部过度识别及效率增益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：摘要以无混杂、负向控制和长期处理效应模型中的因果识别与效率为对象，因此直接归入因果推断。
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…
关注这篇论文的作者
现代因果推断与数据整合中的局部过度识别及效率增益
- 研究问题
- 不同因果模型诱导的可观测统计模型是否局部过度识别，这如何影响处理效应估计量的半参数效率？
- 方法与思路
- 作者将含潜变量的结构模型转化为可观测模型，通过条件矩限制分析无混杂、负向控制和长期因果模型。
- 材料陈述的贡献
- 摘要称，后两类模型中的部分双重稳健正交矩估计量并非有效，并给出过度识别情形的效率界及有效估计量。
- 阅读关注点
- 应核对局部识别的定义、统计模型与估计目标的范围，以及效率界推导、有效估计实现和效率增益的比较基准。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收未核实；摘要未列出完整模型条件，关于方差相同或效率增益的结论有适用范围。
原文摘要
This paper studies nonparametric local (over-)identification and the semiparametric efficiency in modern causal frameworks. We develop a unified approach that begins by translating structural models with latent variables into their induced statistical models of observables and then analyzes local overidentification through conditional moment restrictions. We apply this approach to three popular classes of causal models: (1) the general treatment model under unconfoundedness; (2) the negative control model, and (3) the long-term causal inference model under unobserved confounding. The first model yields a locally just-identified statistical model, implying that all regular asymptotically linear estimators of the treatment effect have the same asymptotic variance, which equals the (trivial) semiparametric efficient variance bound. In contrast, the latter two models involve nonparametric endogeneity and are naturally locally overidentified; consequently, some doubly robust orthogonal moment estimators of the average treatment effect are inefficient. Whereas existing work typically imposes strong conditions to restore local just-identification to justify the efficiency of their doubly robust orthogonal moment estimators, we characterize the semiparametric efficient variance bounds, along with efficient estimators, for the (locally) overidentified models (2) and (3). A small real data application, along with a simulation study, illustrates the semiparametric efficiency gains in model (3).