简介：工具变量回归(IV)是一种从观察数据中学习因果关系的策略。如果输入X和输出Y是被混淆的，那么如果有一个工具变量Z直接影响X，但在给定X和未测量的混杂因素的情况下有条件地独立于Y，那么就可以确定因果关系。经典的两阶段最小二乘算法(2SLS)通过将所有关系建模为线性函数来简化估计问题。我们提出了核工具变量回归(KIV)，这是2SLS的非参数推广，X, Y和Z之间的建模关系作为再现核Hilbert空间(RKHSs)中的非线性函数。我们在温和的假设下证明了KIV的一致性，并得到了无混杂单阶段RKHS回归收敛在极小极大最优速率下的条件。在此过程中，我们获得了算法第一阶段和第二阶段中使用的训练样本大小之间的有效比率。在实验中，KIV优于目前最先进的非参数IV回归方法。

链接：https://arxiv.org/abs/1906.00232
推荐理由：本文提出了核IV回归方法，将变量之间的关系建模为了RKHS空间中的非线性关系，具有一定的新颖性，值得推荐。

内容中包含的图片若涉及版权问题，请及时与我们联系删除