Average Causal Effect Estimation Via Instrumental Variables: the No Simultaneous Heterogeneity Assumption
Notice bibliographique
Résumé
BACKGROUND: Instrumental variables (IVs) can be used to provide evidence as to whether a treatment has a causal effect on an outcome . Even if the instrument satisfies the three core IV assumptions of relevance, independence, and exclusion restriction, further assumptions are required to identify the average causal effect (ACE) of on . Sufficient assumptions for this include homogeneity in the causal effect of on ; homogeneity in the association of with ; and no effect modification. METHODS: We describe the no simultaneous heterogeneity assumption, which requires the heterogeneity in the - causal effect to be mean independent of (i.e., uncorrelated with) both and heterogeneity in the - association. This happens, for example, if there are no common modifiers of the - effect and the - association, and the - effect is additive linear. We illustrate the assumption of no simultaneous heterogeneity using simulations and by re-examining selected published studies. RESULTS: Under no simultaneous heterogeneity, the Wald estimand equals the ACE even if both homogeneity assumptions and no effect modification (which we demonstrate to be special cases of-and therefore stronger than-no simultaneous heterogeneity) are violated. CONCLUSIONS: The assumption of no simultaneous heterogeneity is sufficient for identifying the ACE using IVs. Since this assumption is weaker than existing assumptions for ACE identification, doing so may be more plausible than previously anticipated.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».