面向无测量混淆因素并具备代理变量的平均处理效应的高效估计
统计方法学
2025-12-29 v2 计量经济学
摘要
Proximal 因果推断提供了一种通过利用结果代理变量和处理代理变量来估计无测量混淆因素下的平均处理效应(ATE)的框架。在该框架中，识别依赖于所谓桥梁函数的存在。标准方法通常假设桥梁函数具有参数化形式，该函数在第一步中估计，然后代入ATE估计器。然而，这种顺序方法可能存在两个效率损失来源：(i)难以有效地估计由积分方程定义的桥梁函数，(ii)未能 accounting for 估计步骤之间的相关性。为克服这些限制，我们提出了一种新方法，该方法通过增加矩限制条件来近似积分方程，并联合估计桥梁函数和ATE。我们证明，在适当条件下，该估计器是有效的。此外，我们提供了一个数据驱动的程序，用于选择调谐参数(即矩限制条件的数量)。模拟研究表明，所提方法在有限样本中表现良好，针对SUPPORT研究中右心导管数据集的实际应用也显示了其实际价值。
引用
@article{arxiv.2501.02214,
title = {Efficient estimation of average treatment effects with unmeasured confounding and proxies},
author = {Chunrong Ai and Jiawei Shan},
journal= {arXiv preprint arXiv:2501.02214},
year = {2025}
}