通过潜变量恢复进行的替代调整

去混淆器（deconfounder）被提出作为一种在存在多重原因和未观测混淆的背景下估计因果参数的方法。它基于从观测原因中恢复潜变量。我们将因果解释与统计估计问题解耦，并表明去混淆器通常估计的是调整后的回归目标参数。它是通过对称为替代（substitute）的恢复潜变量进行调整的结果回归来实现这一点的。我们将剥离了因果假设的通用算法称为替代调整。我们提供了理论结果以支持当回归量在给定潜变量条件下独立时，替代调整能估计调整后的回归参数。我们还引入了替代调整算法的一个变体，该变体以最小的模型假设估计一个假设依赖较少的目标参数。随后，我们给出了有限样本界和渐近结果，以支持潜变量取有限集值情况下的替代调整估计。一项模拟研究说明了替代调整的有限样本性质。我们的结果支持当回归量的潜变量模型成立时，替代调整是一种可行的调整后回归方法。