面向未观测混杂的核方法：阴性对照、代理与工具变量
机器学习
2023-03-24 v5 机器学习
计量经济学
摘要
阴性对照是一种在存在未测量混杂时学习处理与结果之间因果关系的策略。若有两个辅助变量可用：阴性对照处理（对实际结果无影响）和阴性对照结果（不受实际处理影响），则处理效应仍可被识别。这些辅助变量也可视为传统控制变量集的代理，且与工具变量相似。我提出了一类基于核岭回归的算法，用于通过阴性对照学习非参数处理效应。示例包括剂量反应曲线、带分布偏移的剂量反应曲线，以及异质处理效应。数据可为离散或连续，且为低维、高维或无限维。我证明了均匀一致性并给出有限样本收敛速率。我使用 1989 至 1991 年间宾夕法尼亚州单胎出生数据集，估计了吸烟对婴儿出生体重的剂量反应曲线，并对由家庭收入引起的未观测混杂进行了调整。
引用
@article{arxiv.2012.10315,
title = {Kernel Methods for Unobserved Confounding: Negative Controls, Proxies, and Instruments},
author = {Rahul Singh},
journal= {arXiv preprint arXiv:2012.10315},
year = {2023}
}