面向内生连续处理的因果效应部分识别
统计方法学
2025-08-20 v1 计量经济学
统计理论
统计理论
摘要
无测混杂是推理关于反事实结果时的常见假设，但在观察性研究中可能并不合理。敏感性分析常用于评估因无测混杂而得出的因果结论的稳健性，但现有方法主要针对二元处理方法。在本文中，我们为连续暴露提供了两个广泛使用的敏感性框架——Rosenbaum 和 Marginal 敏感性模型的自然扩展。我们的推广将标量敏感性参数替换为随暴露水平变化的敏感性函数，从而实现更丰富的建模和更精确的识别界限。我们发展了统一的伪结果回归公式，用于在两种模型下对反事实剂量-反应曲线进行界定，并提出了相应的非参数估计器，其二阶偏差为零。这些估计器容纳现代机器学习方法来获取违背参数估计器，这些估计器在适当条件下达到 收敛性、最小值收敛率。我们的估计器对于反事实剂量-反应曲线的界限被证明是一致的且渐近正态的，这允许用户指定不可控暴露内生性的程度。我们还提供几何解释，将 Rosenbaum 和 Marginal 敏感性模型联系起来，并指导其在全局与针对性敏感性分析中的实际应用。该方法通过模拟和针对二手烟暴露对儿童血铅水平影响的实际数据应用进行了验证。
引用
@article{arxiv.2508.13946,
title = {Partial Identification of Causal Effects for Endogenous Continuous Treatments},
author = {Abhinandan Dalal and Eric J. Tchetgen Tchetgen},
journal= {arXiv preprint arXiv:2508.13946},
year = {2025}
}