通过构造工具变量进行测量误差鲁棒的因果推断
统计方法学
2024-06-04 v1
摘要
测量误差在估计因果效应时常常是有害的。出现这种情况的两个场景是:(a) 当混杂变量存在测量误差时估计平均处理效应,以及(b) 当暴露变量和/或混杂变量存在测量误差时估计自然间接效应。调整测量误差的方法通常需要关于测量误差分布的外部数据或知识。在这里,我们提出了不需要任何此类信息的方法。相反,我们证明,当结果回归在误差变量上是线性的时,在特定条件下可以使用构造工具变量恢复这些因果效应的一致估计。这些变量仅是观测数据的函数,其行为类似于误差变量的工具变量。利用一项关于孟加拉国母婴对产前重金属暴露对生长和神经发育影响的研究数据,我们应用我们的方法估计了(a) 在控制母亲蛋白质摄入量的情况下,铅暴露对出生身长的影响,以及(b) 铅暴露在介导母亲蛋白质摄入量对出生身长影响中的作用。蛋白质摄入量根据食物日记条目计算,并被怀疑极易出现测量误差。
引用
@article{arxiv.2406.00940,
title = {Measurement Error-Robust Causal Inference via Constructed Instrumental Variables},
author = {Caleb H. Miles and Linda Valeri and Brent Coull},
journal= {arXiv preprint arXiv:2406.00940},
year = {2024}
}
备注
72 pages, 4 figures