通过粗斜率稳定性实现治疗效应分布的非参数点识别

在潜在结果联合分布无限制情况下，治疗效应分布无法实现点识别。现有方法要么强加粗斜率保存——一种强假设——要么导出常常过宽的部分识别边界。我们表明，单个标量参数——粗斜率稳定性——足以实现非参数点识别，同时允许粗斜率违反。所识别的联合分布——即在相对熵约束下最大化平均粗斜率相关性的耦合，我们称为 Bregman-Sinkhorn copula——由边缘分布和粗斜率稳定性唯一确定。其条件分布是边缘分布的指数倾斜，指数为 Bregman 散度，由此得到闭形式的条件矩和粗斜率违反概率；该 copula 包含共单调 copula 和高斯 copula 作为特殊情况。经验 Bregman-Sinkhorn copula 在参数 $\sqrt{n}$-速率下收敛，尽管参数空间为无限维。我们将该框架用于估计完整治疗效应分布，推导平均治疗效应的方差估计，此估计比弗里希德--霍夫德和尼尔曼边界更紧；并推广到在无混杂性假设下的观察性研究中。