平均因果效应的识别假设对比：稳健性与半参数有效性
统计方法学
2025-10-07 v2
摘要
基于观测数据对平均因果效应进行半参数推断依赖于使效应可识别的假设。实践中，若干不同的识别假设可能均合理；分析者必须在这些模型间做出审慎选择。本文中，我们研究基于潜在结果框架的三种识别假设：使用后处理协变量的后门假设、使用中介变量的前门假设，以及同时使用前处理协变量与中介变量的双门假设。我们给出了在这些假设及其组合下成立的高效影响函数及相应的半参数有效性界。我们证明没有任何一个识别模型能一致地提供最有效估计，并给出某些界低于其他的条件下。我们展示了基于影响函数的半参数估计方程估计量何时达到这些界，并研究了估计量对干扰模型误设的稳健性。该理论辅以关于估计量有限样本行为的模拟实验。所得结果与分析者在多个合理识别假设及相应估计量间面临选择的情形相关。我们的结果表明，这一选择意味着在有效性及对干扰模型误设的稳健性之间的权衡。
引用
@article{arxiv.2111.15233,
title = {Contrasting Identifying Assumptions of Average Causal Effects: Robustness and Semiparametric Efficiency},
author = {Tetiana Gorbach and Xavier de Luna and Juha Karvanen and Ingeborg Waernbaum},
journal= {arXiv preprint arXiv:2111.15233},
year = {2025}
}