Controlling for Latent Confounding with Triple Proxies
利用三重代理变量控制潜在混杂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：摘要直接研究不可观测混杂、代理变量与非参数因果识别，并讨论潜在分层治疗效应，明确属于因果推断方向。
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…
关注这篇论文的作者
利用三重代理变量控制潜在混杂
- 研究问题
- 当混杂因素不可观测但存在带噪代理变量时，如何非参数识别因果效应，并获得双重代理方法未能识别的潜在分层信息。
- 方法与思路
- 作者使用给定不可观测因素后三个代理变量联合独立的结构，分别考虑结局、处理向量或辅助变量集合充当第三个代理。
- 材料陈述的贡献
- 摘要称，三重代理可识别双重代理不能识别的部分对象，包括反映潜在分层间平均治疗效应变化的对象，且两者独立性假设非嵌套。
- 阅读关注点
- 应核对联合条件独立及其他识别要求、三种第三代理角色的差别，以及潜在分层与异质效应对象如何定义、恢复和解释。
- 阅读边界
- 这是arXiv预印本，同行评审或期刊接收未核实；摘要未列出完整识别条件，不能认为增加一个代理变量就必然优于双重代理。
原文摘要
We present new results for nonparametric identification of causal effects using noisy proxies for unobserved confounders. Our approach builds on the results of \citet{Hu2008} who tackle the problem of general measurement error. We call this the `triple proxy' approach because it requires three proxies that are jointly independent conditional on unobservables. We consider three different choices for the third proxy: it may be an outcome, a vector of treatments, or a collection of auxiliary variables. We compare to an alternative identification strategy introduced by \citet{Miao2018a} in which causal effects are identified using two conditionally independent proxies. We refer to this as the `double proxy' approach. The triple proxy approach identifies objects that are not identified by the double proxy approach, including some that capture the variation in average treatment effects between strata of the unobservables. Moreover, the conditional independence assumptions in the double and triple proxy approaches are non-nested.