面向二元输出变量的双向因果推断：在未测量混杂因素存在时的处理方法
统计方法学
2026-01-27 v1
摘要
源于变量之间相互作用的双向因果关系在生物医学、计量经济学和社会科学中常见。当此类关系进一步受到未观测因素的复杂化时，在双向方向上识别因果效应尤其具有挑战性。对于连续变量，已有方法利用两种来自不同方向的工具变量来探索双向因果效应。然而，现有技术无法应用于关键变量为二元变量的情形。为此，我们提出一种结构方程建模方法，将观测到的二元变量与连续潜变量通过受约束的映射关联起来。进一步，我们建立了使用一对工具变量进行双向因果效应识别的结果。此外，我们开发了相应因果参数的估计方法。我们还在特定识别条件被违反的情形下进行了敏感性分析。最后，我们将该方法应用于探讨心脏病与糖尿病之间的双向因果关系，展示了其在生物医学研究中的实际应用价值。
引用
@article{arxiv.2601.17695,
title = {Bidirectional causal inference for binary outcomes in the presence of unmeasured confounding},
author = {Yafang Deng and Kang Shuai and Shanshan Luo},
journal= {arXiv preprint arXiv:2601.17695},
year = {2026}
}
备注
21 pages, 8 figures