从单一研究中识别与估计联合潜在结果分布
统计方法学
2025-10-16 v3
摘要
大多数因果推断方法聚焦于估计边际平均处理效应，但许多重要的因果估计量依赖于潜在结果的联合分布，包括因果概率以及从处理中受益或受害的比例。Wu 等 (2025) 最近通过利用多个研究之间的变异，在类别结果和二元处理的设定下建立了该联合分布的非参数识别。我们证明，他们的多研究框架可以通过使用一个与未处理潜在结果相关但不修改这些结果条件下处理效应的基线协变量，在单一研究中实现。这种重新表述大幅拓宽了其结果的实用适用性，因为它消除了对多个独立数据集的需求，并使分析者能够通过协变量选择来控制关键识别假设的满足。我们为单一研究设定提供了完整的识别与估计理论，包括在仅在对协变量调整后条件独立性假设成立时的 Neyman 正交估计量。然而，我们认为只有在极不寻常的情况下，识别假设才可能在理论上精确成立，因此敏感性分析尤为重要。我们在模拟中验证了估计量，并将其应用于一项评估邮寄对投票率影响的大规模实地实验数据。
引用
@article{arxiv.2509.20506,
title = {Identification and Estimation of Joint Potential Outcome Distributions from a Single Study},
author = {Zach Shahn and David Madigan},
journal= {arXiv preprint arXiv:2509.20506},
year = {2025}
}