Principal 忽略假设违反情况下的主导因果效应的部分识别

主导分层是一种研究涉及后处理变量的因果机制的通用框架。在估计主导因果效应时，通常会假设主导可忽略性，这一假设在本文中进行了详细研究。我们的首要贡献是研究一种常用策略，即使用参数模型联合建模结果与主导层次，而无需满足主导可忽略性假设。我们指出，即使已知主导层次的联合分布，该策略必然仅实现因果效应的部分识别，即使在非常简单且正确指定的结果模型下亦如此。虽然主导可忽略性在此情境下可实现点识别，我们讨论了替代性较弱的假设，并展示了它们如何导致信息丰富的部分识别区域。另一项贡献是我们为文献中用于识别主导层次联合分布关联参数的策略提供了理论支持。我们证明这一点是可能的，但仅当主导可忽略性假设被违反时才成立。此外，由于即使在这些关联参数已知的情况下仍存在因果效应的部分识别，我们表明这些关联参数仅在强参数约束下才可识别。最后，我们将这些结果推广到更灵活的半参数和非参数贝叶斯模型中。