潜在结果因果效应的非参数识别与估计

当感兴趣的结果是潜在的，并且由多个指标不完美地测量时，研究人员应如何进行因果推断？我们开发了一个通用的非参数框架，用于在随机实验中识别和估计潜在结果的平均处理效应。我们表明，潜在结果估计面临两个不同的不可比性挑战。首先，在不同研究之间，不同的测量系统可能导致估计量针对不同的经验量，即使潜在的潜在处理效应是相同的。其次，在同一项研究中，不同的指标可能与相同的潜在结果具有不同且可能非线性的关系，使得它们不能直接比较。为了应对这些挑战，我们提出了一种基于非参数桥函数的设计驱动方法。我们证明了这些桥函数可以被刻画和识别。估计依赖于一种去偏程序，即使桥函数被弱识别，该程序也允许进行有效的推断。模拟表明，标准方法，如主成分分析和逆协方差加权，可能产生虚假的跨研究差异，而我们的方法则恢复了可比较的潜在处理效应。总体而言，该框架既为潜在结果的因果推断提供了一般策略，也为设计支持识别、可比性和有效估计的测量提供了实用指导。