基于一般工具变量的因果效应识别与去偏学习
统计方法学
2026-02-10 v2 计量经济学
统计理论
机器学习
统计理论
摘要
当处理分配受到未观测变量混杂影响时，工具变量方法是因果推断的基础。在本文中，我们开发了一个通用的非参数因果框架，用于多类别或连续工具变量的识别与学习。具体来说，平均潜在结果和平均处理效应可以通过从所提出的框架中导出的正则加权函数来识别。利用半参数理论，我们推导出有效影响函数，并通过去偏机器学习构建了两个一致且渐近正态的估计量。第一个估计量使用预设的加权函数，而第二个估计量自适应地选择最优加权函数。进一步开发了对纵向数据、动态治疗方案和乘法工具变量的扩展。我们通过模拟研究以及分析来自《职业培训合作法案》项目的真实数据来展示所提出的方法。
引用
@article{arxiv.2510.20404,
title = {Identification and Debiased Learning of Causal Effects with General Instrumental Variables},
author = {Shuyuan Chen and Peng Zhang and Yifan Cui},
journal= {arXiv preprint arXiv:2510.20404},
year = {2026}
}