Causal inference with ordinal outcomes: copula-based identification, estimation and sensitivity analysis
有序结果的因果推断：基于 Copula 的识别、估计与敏感性分析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：摘要研究有序潜在结果的因果比较，并通过边际分布和 Copula 联结分析联合分布。
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…
有序结果的因果推断：基于 Copula 的识别、估计与敏感性分析
- 研究问题
- 对于有序结果，如何推断同一个体在一种处理下的潜在结果优于另一种处理的概率，并呈现无法观测的潜在结果依赖带来的敏感性？
- 方法与思路
- 作者以参数 Copula 联结可识别的潜在结果边际分布，将关联参数作为敏感性参数；在无混杂下推导影响函数并构造一步估计量。
- 材料陈述的贡献
- 摘要称固定关联参数后目标可识别，估计具有速率双重稳健性；改变参数得到敏感性曲线及逐点置信带，并提供相关 R 包。
- 阅读关注点
- 应核对 Copula 对有序离散结果的处理、敏感性参数含义、辅助估计速率，以及逐点置信带与锐界、无混杂敏感性分析的关系。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；点识别依赖固定的 Copula 设定，摘要所述逐点置信带不能直接解释为同时覆盖。
原文摘要
In causal inference with ordinal outcomes, several interpretable estimands are functions of the probability that the potential outcome under one treatment is larger than that under another treatment for the same unit. This probability depends on the joint distribution of both potential outcomes and is generally not identifiable. Existing work has focused on sharp bounds of this probability based on partial identification, but bounds are often too wide to be informative. We propose a copula-based method that links the identifiable marginal distributions of the potential outcomes via a parametric copula, treating the copula association parameter as a sensitivity parameter. With a fixed copula parameter, the estimands become identified functionals of the observed data. Working under unconfoundedness, we derive the efficient influence function in the nonparametric model and construct one-step estimators that accommodate flexible nuisance estimation. The resulting procedure is rate-doubly-robust and attains the semiparametric efficiency bound under standard conditions. Varying the copula parameter yields a sensitivity curve with point-wise confidence bands that typically lie within the sharp bounds, providing an interpretable bridge between partial identification and point estimation. We further provide a comprehensive sensitivity analysis with respect to both the copula specification and the unconfoundedness assumption. We develop an associated R package \texttt{ordinalCI}.