含多个无效代理变量的强化近端因果推断

从观测数据进行因果推断通常依赖于无未测量混杂的假设，而该假设在实际中常因未观测或测量不佳的协变量而被违反。近端因果推断（PCI）为利用一对结果和处理混杂代理变量来解决未测量混杂问题提供了一个有前景的框架。然而，现有的PCI方法通常假设所有指定的代理变量都是有效的，这在实践中可能不现实且在没有额外假设的情况下不可检验。在本文中，我们为多代理PCI场景开发了一种半参数方法，以容纳可能无效的处理混杂代理变量。我们引入了一类新的强化混杂桥函数，并在假设$K$个候选处理混杂代理变量中至少有$\gamma$个有效（$\gamma \leq K$由分析者设定，无需知晓哪些代理变量有效）的条件下，建立了总体平均处理效应（ATE）的非参数识别。我们建立了局部半参数效率界，并开发了一类对ATE的多重稳健、局部高效估计量。这些估计量因此同时对无效处理混杂代理变量和干扰参数的模型误设具有稳健性。所提出的方法通过模拟进行了评估，并应用于评估危重患者中右心导管插入术的效果。