基于工具变量的条件平均部分因果效应的识别与估计
机器学习
2024-06-03 v2 机器学习
摘要
近期，异质性因果效应的估计引起了广泛关注。本文研究条件平均部分因果效应（CAPCE），以揭示连续处理下因果效应的异质性。我们给出了在工具变量框架下识别 CAPCE 的条件。值得注意的是，相比估计连续处理异质性因果效应的常用度量，CAPCE 在更弱的假设下即可识别。我们开发了三族 CAPCE 估计器：sieve、参数化及基于再生核 Hilbert 空间（RKHS）的估计器，并分析了其统计性质。我们在合成数据与真实数据上展示了所提 CAPCE 估计器的表现。
引用
@article{arxiv.2401.11130,
title = {Identification and Estimation of Conditional Average Partial Causal Effects via Instrumental Variable},
author = {Yuta Kawakami and Manabu Kuroki and Jin Tian},
journal= {arXiv preprint arXiv:2401.11130},
year = {2024}
}