利用多弱实验、代理变量与交叉折矩的含不完美代理变量长期因果推断
统计方法学
2023-11-09 v1 统计理论
统计理论
摘要
利用短期代理变量推断对长期结果的因果效应对于快速创新至关重要。然而，即便处理是随机化的且代理变量完全中介其对结果的影响，仍可能因代理变量与结果间混杂而得到错误方向的因果效应——即著名的代理悖论。大量历史实验为代理变量提供工具变量并规避此混杂提供了机会。但即便实验数增长，若各实验规模有界，两阶段最小二乘仍有不消失的偏差，且当多数实验几乎不移动指标（实践中常见）时该偏差加剧。我们展示如何利用交叉折过程（JIVE 即一例）消除此偏差，并为未观测长期结果的新实验中的长期效应构建有效置信区间。我们的方法进一步允许代理未被代理变量完美中介的效应，从而将混杂与效应泄漏均作为标准统计代理条件的违背来处理。
引用
@article{arxiv.2311.04657,
title = {Long-Term Causal Inference with Imperfect Surrogates using Many Weak Experiments, Proxies, and Cross-Fold Moments},
author = {Aurélien Bibaut and Nathan Kallus and Simon Ejdemyr and Michael Zhao},
journal= {arXiv preprint arXiv:2311.04657},
year = {2023}
}