利用观测混杂因素与中介变量估计处理效应
统计方法学
2021-06-15 v3 机器学习
计量经济学
机器学习
摘要
给定因果图，do-演算可将处理效应表达为可经验估计的观测联合分布泛函。有时do-演算识别出多个有效公式，促使我们比较相应估计量的统计性质。例如，当所有混杂因素被观测时后门公式适用，而当观测中介传递因果效应时前门公式适用。在本文中，我们研究过度识别场景，即混杂因素和中介均被观测，使两种估计量均有效。针对线性高斯因果模型，我们证明任一估计量都可由无界常数因子主导另一估计量。接下来，我们推导出一个利用所有观测变量的最优估计量，并界定其有限样本方差。我们表明它严格优于后门和前门估计量，且这种改进可以是无界的。我们还提出了一种合并两个数据集的程序，一个含观测混杂因素，另一个含观测中介。最后，我们在模拟数据及IHDP和JTPA数据集上评估了我们的方法。
引用
@article{arxiv.2003.11991,
title = {Estimating Treatment Effects with Observed Confounders and Mediators},
author = {Shantanu Gupta and Zachary C. Lipton and David Childers},
journal= {arXiv preprint arXiv:2003.11991},
year = {2021}
}