面向潜变量工具变量回归的混杂因素平衡
人工智能
2022-11-21 v1 统计方法学
摘要
本文研究IV回归中来自未观测混杂因素的混淆效应与已观测混杂因素的不平衡，旨在实现无偏因果效应估计。近来，非线性IV估计量被提出以允许两阶段中的非线性模型。然而，已观测混杂因素在第2阶段可能不平衡，这在某些情形下仍会导致有偏处理效应估计。为此，我们提出混杂平衡IV回归（CB-IV）算法，联合消除未观测混杂因素与已观测混杂因素不平衡带来的偏差。理论上，通过重新定义并求解潜在结果函数的逆问题，我们证明CB-IV算法可无偏估计处理效应并达成更低方差。IV方法的一大劣势在于，当前极少有先验或理论可用于在真实场景中预定义有效IV。因此，我们研究两种更具挑战性且无预定义有效IV的设置：（1）观测中隐式存在的不可区分IV，即混合变量挑战；（2）未出现在观测中的潜IV，即潜变量挑战。为应对这两类挑战，我们通过潜变量模块扩展CB-IV，即CB-IV-L算法。大量实验表明，我们的CB-IV(-L)优于现有方法。
引用
@article{arxiv.2211.10008,
title = {Confounder Balancing for Instrumental Variable Regression with Latent Variable},
author = {Anpeng Wu and Kun Kuang and Ruoxuan Xiong and Bo Li and Fei Wu},
journal= {arXiv preprint arXiv:2211.10008},
year = {2022}
}