Possibilistic Instrumental Variable Regression with Potentially Invalid Instruments
允许工具变量潜在无效的可能性理论回归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：摘要以未观测混杂下的工具变量处理效应为目标，研究外生性偏离与区间覆盖，因此直接归入因果推断方向。
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…
允许工具变量潜在无效的可能性理论回归
- 研究问题
- 当工具变量外生性可能被违反，甚至只有一个潜在无效工具时，如何在明确允许的违反范围内开展处理效应推断？
- 方法与思路
- 作者基于可能性理论，在用户指定的外生性违反集合下进行后验推断，构造经校准的不确定性区间，并提供蒙特卡洛和卡方近似。
- 材料陈述的贡献
- 摘要称，只要违反集合包含真实值，精确校准区间具有有限样本覆盖保证；模拟和实际应用用于展示所提方法的表现。
- 阅读关注点
- 应核对违反集合的参数化和选择依据、有限样本保证的完整条件，以及实际近似区间能否保留精确校准区间的覆盖性质。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未说明集合设定依据，也未说明近似方法的覆盖误差。
原文摘要
Instrumental variable regression is a common approach for causal inference in the presence of unobserved confounding. However, identifying valid instruments is often difficult in practice. In this paper, we propose a novel method based on possibility theory that performs posterior inference on the treatment effect, conditional on a user-specified set of potential violations of the instrument exogeneity assumption. Our method can provide valid results even when only a single, potentially invalid, instrument is available. Crucially, and in contrast with existing methods, we prove a finite-sample coverage guarantee for the exactly calibrated (validified) uncertainty intervals when the violation set contains the true value, and we provide practical MC/$χ^2$ approximations. Simulation experiments and real-data applications indicate strong performance of the proposed approach.