通过工具变量估计平均因果效应：无同时异质性假设
统计方法学
2022-11-14 v5
摘要
背景：工具变量（IVs）可用于提供关于处理 X 是否对结局 Y 具有因果效应的证据。即使工具 Z 满足相关性、独立性和排除限制这三个核心 IV 假设，仍需进一步假设以识别 X 对 Y 的平均因果效应（ACE）。对此充分的假设包括：X 对 Y 因果效应的同质性；Z 与 X 关联的同质性；以及无效应修饰（NEM）。方法：我们描述无同时异质性（NOSH）假设，其要求 X-Y 因果效应的异质性与 Z 以及 Z-X 关联的异质性均均值独立（即不相关）。例如，若 X-Y 效应与 Z-X 关联没有共同的修饰因子，且 X-Y 效应为加性线性，则满足该条件。我们通过模拟并重新检视若干已发表研究来说明 NOSH。结果：当 NOSH 成立时，即使两个同质性假设和 NEM（我们证明其是 NOSH 的特例，因而强于 NOSH）均被违背，Wald 估计量仍等于 ACE。结论：NOSH 足以使用 IVs 识别 ACE。由于 NOSH 弱于现有的 ACE 识别假设，因此这样做可能比先前预期更为合理。
引用
@article{arxiv.2010.10017,
title = {Average causal effect estimation via instrumental variables: the no simultaneous heterogeneity assumption},
author = {F. P. Hartwig and L. Wang and G. Davey Smith and N. M. Davies},
journal= {arXiv preprint arXiv:2010.10017},
year = {2022}
}