存在未测量混杂时双向近端因果推断的基于回归的方法
统计方法学
2025-07-21 v1
摘要
当存在未测量混杂时，代理变量常用于因果推断。现有的大多数近端方法假设两个主要变量之间存在单向因果关系，但许多社会和生物系统表现出复杂的反馈机制，这意味着存在双向因果关系。本文使用基于回归的模型，将近端框架扩展到在存在未测量混杂时识别双向因果效应。我们建立了双向因果效应的识别，并针对代理结构条件的违反开发了一种敏感性分析方法。基于该识别结果，我们推导了双向两阶段最小二乘估计量，该估计量在标准正则性条件下具有一致性和渐近正态性。模拟研究表明，我们的方法提供了无偏的因果效应估计，并优于一些标准方法。模拟结果也证实了敏感性分析程序的可靠性。将我们的方法应用于美国1985年至2014年的州级面板数据集，我们考察了堕胎率与谋杀率之间的双向因果效应。分析揭示了堕胎率对谋杀率存在一致的负向效应，同时还检测到了传统单向分析未曾考虑的、从谋杀率到堕胎率的潜在反向效应。
引用
@article{arxiv.2507.13965,
title = {A regression-based approach for bidirectional proximal causal inference in the presence of unmeasured confounding},
author = {Jiaqi Min and Xueyue Zhang and Shanshan Luo},
journal= {arXiv preprint arXiv:2507.13965},
year = {2025}
}