基于非高斯性与辅助协变量的因果效应可识别性

在存在未测量混杂的情况下评估因果效应具有挑战性。尽管辅助变量（如工具变量）常用于识别因果效应，但由于其严格且不可检验的条件，实践中往往不可用。为解决该问题，以往研究利用线性结构方程模型表明，当处理变量和结果变量的噪声变量均为非高斯时，因果效应是可识别的。本文中，我们研究利用来自处理的辅助协变量与非高斯性识别因果效应的问题。我们的核心思想是使用一个观测协变量刻画未测量混杂因素的影响，假设它们均为高斯。我们证明可使用一个已测量协变量识别因果效应，并将识别结果推广至多处理设定。我们进一步开发了用于估计因果效应的简单估计过程，并推导了$\sqrt{n}$一致的估计量。最后，我们通过模拟研究评估了估计量的性能，并将我们的方法应用于研究贸易对收入的影响。