基于工具变量进行因果效应估计的通用控制函数

因果效应估计依赖于将结果中的变异分离为源于处理的部分与源于混杂因子的部分。为实现此种分离，实践者常使用仅影响处理的外部随机源，称为工具变量（IVs）。我们研究由处理与 IV 构造、有助于估计效应的变量，称为控制函数。我们在一项元识别结果中刻画了用于效应估计的通用控制函数。进而，我们表明对处理过程的结构性假设允许构造通用控制函数，从而保障识别。为构造通用控制函数并估计效应，我们发展了通用控制函数方法（GCFN）。GCFN 的第一阶段称为变分解耦（VDE），通过恢复给定 IV 下处理中的残差变异来构造通用控制函数。利用 VDE 的控制函数，GCFN 的第二阶段通过回归估计效应。此外，我们发展了半监督 GCFN，利用同时观测到 IV 与混杂因子的数据子集作为监督来构造通用控制函数；此方法无需结构性处理过程假设。我们在低维与高维模拟数据以及恢复奴隶贸易对现代社区信任的因果效应上评估了 GCFN。