依从性非确定性时的工具变量估计：随机单调性假设
统计方法学
2014-08-19 v2
摘要
工具变量 (IV) 方法是一种基于存在未观测混杂变量的观察性研究，对处理效应进行因果推断的方法。该方法需要一个有效的工具变量，即一个与未观测混杂变量独立、与处理相关，但除了通过影响处理外对结果无直接影响的变量。IV 方法通常做出的另一个假设是确定性单调性，即假设对于每个受试者，若给予某一水平的工具变量，该受试者将采取的处理水平是工具变量水平的单调递增函数。在确定性单调性下，IV 方法识别的是依从者（那些若被工具变量鼓励则会接受处理，否则不接受处理的受试者）的平均处理效应。然而，确定性单调性有时并不符合现实。我们引入了一种随机单调性条件，放宽了确定性单调性：它不要求在每个受试者内部，工具变量水平与该受试者在给定工具变量水平下将采取的处理水平之间保持单调递增关系，而仅要求在受试者之间，工具变量与处理以某种方式保持单调递增关系。我们证明，在随机单调性下，IV 方法识别的是处理效应的加权平均值，其中对工具变量效应较强的受试者子群赋予更大的权重。我们提供了随机单调性下全局平均处理效应的界限，并针对违反随机单调性假设的情况进行了敏感性分析。
引用
@article{arxiv.1407.7308,
title = {Instrumental Variable Estimation When Compliance is not Deterministic: The Stochastic Monotonicity Assumption},
author = {Dylan Small and Zhiqiang Tan and Scott Lorch and Alan Brookhart},
journal= {arXiv preprint arXiv:1407.7308},
year = {2014}
}