两步回归新算法：同时搞定选择偏差和混杂，因果效应估计更准！
Regression-Based Estimation of Causal Effects in the Presence of Selection Bias and Confounding
📖 AI 总结
该研究提出了一种基于回归的因果效应估计方法，用于处理同时存在选择偏差和混杂因素的情况。作者聚焦于连续随机变量，目标是在干预条件下估计期望因果效应E[Y|do(X)]。当数据仅受选择偏差影响时，利用不受选择过程影响的代理变量可以可靠地恢复E[Y|X]；而当混杂因素同时存在时，则需要同时获取纠正混杂和选择机制的代理变量。研究从外部无偏观测数据中获取此类代理变量，推导了因果效应可识别性和可恢复性的理论条件，并提出了一种线性两步回归估计器（TSR），可通过添加非线性基函数进行扩展。模拟实验表明，在无混杂情况下TSR与现有估计器结果一致，但方差更低；在同时存在选择偏差和混杂的场景中，TSR也能有效校正偏差，验证了其正确性和实用性。
🔑 关键词速览
| Selection Bias | 选择偏差，指因样本选择过程导致的系统性缺失，使得观测数据不能代表总体，从而影响因果效应估计的偏差。 |
| Confounding | 混杂，指存在一个共同原因同时影响治疗变量和结果变量，导致观察到的关联不能直接反映因果效应。 |
| Proxy Variables | 代理变量，指与未观测的混杂或选择机制相关但不受选择过程影响的变量，用于校正偏差。 |
| Two-Step Regression (TSR) | 两步回归估计器，一种利用代理变量分两步进行回归以校正选择偏差和混杂的线性估计方法，可扩展非线性基函数。 |
| Identifiability and Recoverability | 可识别性和可恢复性，指在给定数据和假设下，因果效应能否被唯一确定或从有偏数据中恢复的理论性质。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅