针对任何结果变量的易于实现的双向效应分解：内生调节变量情形
计算机视觉与模式识别
2026-01-29 v2 人工智能
机器学习
摘要
给定二元处理 D 和二元调节变量 M，调控分析将 D 对结果变量 Y 的总效应分解为直接效应和间接效应。通常假设 D 和 M 均为外生变量，但本文允许 M 为内生变量，同时维持 D 的外生性，这在 D 为随机化处理时尤为适用。随后，本文利用二元工具变量 Z 解决 M 的内生性问题。我们推导了针对 Y 的非参数“因果简化形式（CRF）”，其回归变量可为 (D,Z,DZ) 或 (D,M,DZ)。CRF 使得可使用普通最小二乘或工具变量估计器轻易地估计直接效应和间接效应，而无需匹配或逆概率加权，这两种方法在寻找渐近分布或处理近零分母方面存在困难。除了易于实现之外，我们的方法适用于任何 Y（二元、计数、连续等）。仿真研究和实证研究均证明了本方法的有效性。
引用
@article{arxiv.2512.07051,
title = {DAUNet: A Lightweight UNet Variant with Deformable Convolutions and Parameter-Free Attention for Medical Image Segmentation},
author = {Adnan Munir and Muhammad Shahid Jabbar and Shujaat Khan},
journal= {arXiv preprint arXiv:2512.07051},
year = {2026}
}
备注
13 pages, 7 figures