加性非线性非恒定效应模型中工具变量的可检验性
统计方法学
2026-03-13 v2 人工智能
机器学习
摘要
我们探讨了源自观测数据的工具变量的可检验性问题。大多数现有的可检验含义集中在处理变量为离散变量的场景，例如工具不等式 (Pearl, 1995)，或者假设效应为常数的场景，例如基于独立机制原则的工具变量条件 (Burauel, 2023)。然而，处理变量通常是连续变量，例如药物剂量或营养含量水平，并且在许多现实场景中可能出现非恒定效应。在本文中，我们考虑了一个具有未测量混杂因素的加性非线性非恒定效应模型，其中处理变量可以是离散的或连续的，并提出了一种基于辅助变量的独立性检验 (AIT) 条件来检验一个变量是否是有效的工具。我们首先表明，在完备性条件下，如果候选工具是有效的，那么 AIT 条件成立。此外，我们阐明了 AIT 条件的含义，并证明了在某些附加条件下，AIT 条件对于检测所有无效工具变量是必要且充分的。我们还将 AIT 条件扩展到包含协变量，并引入了一种实用的检验算法。在合成数据集和三个不同的真实世界数据集上的实验结果证明了我们提出的条件的有效性。
引用
@article{arxiv.2411.12184,
title = {Testability of Instrumental Variables in Additive Nonlinear, Non-Constant Effects Models},
author = {Xichen Guo and Zheng Li and Biwei Huang and Yan Zeng and Zhi Geng and Feng Xie},
journal= {arXiv preprint arXiv:2411.12184},
year = {2026}
}