技术摘要：基于代理变量的全法识别下的函数估计

问题设置与动机

本文研究了在潜在变量模型中估计目标泛函的挑战，其中感兴趣的变量（$\vec{H}$）是不可观测的，但存在相关的观测测量值（即“代理变量”，记作 $\vec{O}$）。虽然现有文献已经确立了在何种条件下，全数据分布（观测变量与潜在变量的联合分布，$p(\vec{H}, \vec{O})$）可以从观测数据分布（$p(\vec{O})$）中识别出来，但针对该分布推导出的目标泛函的估计研究仍处于起步阶段。

目前的非参数方法通常依赖于灵活的模型假设来恢复全数据分布，但这些方法往往缺乏稳健的估计策略，难以在扰动函数（nuisance functions）以慢于参数速率收敛时，仍能获得理想的统计性质（如 $\sqrt{n}$-一致性以及多重稳健性）。此外，许多现有方法侧重于特定的因果目标（例如通过近端因果推断），而非恢复完整的联合分布，这限制了其在更广泛类别的泛函中的适用性。

方法论

1. 全数据分布的识别

作者建立了一套假设，在这些假设下，全数据分布 $p(\vec{H}, \vec{O})$ 是可识别的，其识别结果可能仅在 $\vec{H}$ 的支撑集取值的一个任意排列意义下成立。该框架容纳了多个潜在变量，并允许有限支撑和连续支撑的情况。

关键假设包括：

• 代理结构： 对于每个潜在变量 $H \in \vec{H}$，存在三个观测代理 $\{W_{1H}, W_{2H}, W_{3H}\} \subseteq \vec{O}$。
• 条件独立性： 这些代理在给定 $H$ 以及剩余观测变量 $\vec{O}_{-W}$（即不在代理集合中的变量）的条件下是相互独立的。
• 完备性与秩条件： 假设 5 和 6 对给定潜在变量的代理条件分布施加了完备性条件，以确保有足够的变异性来区分潜在状态。具体而言，$W_{1H}$ 和 $W_{2H}$ 必须满足完备性条件，而 $W_{3H}$ 则需要一个区分性条件。
• 标签固定： 为了实现特定标签（而非仅仅是排列意义下）的识别，需要额外的函数假设（假设 7）或条件独立性假设（假设 8）。

本文利用无环有向混合图（ADMGs）来刻画符合这些假设的图形模型，将以往的研究结果从单潜在变量设置扩展到了多潜在变量设置（例如树状结构图）。

2. 通过代理变量加权进行估计

核心方法论贡献在于，通过使用一种基于代理变量的加权方案，将全数据表达式中的不可观测变量替换为观测变量，从而构建观测数据估计方程和影响函数。

• 从全数据到观测数据： 作者从一个具有零均值的全数据估计方程或影响函数 $\phi(\vec{H}, \vec{O}; \eta)$ 开始。他们构造一个观测数据函数 $\phi(\vec{O}; \eta)$，使其期望值与全数据函数的期望值相匹配。
• 权重构建： 这是通过定义满足特定正交条件的权重函数 $\omega_{\vec{h}_i}$（或用于影响函数的 $\lambda_{\vec{h}_i}$）来实现的。对于一个潜在状态 $\vec{h}_i$，权重 $\omega_{\vec{h}_i}$ 的构造需满足 $E[\omega_{\vec{h}_i} | \vec{H} = \vec{h}_j] = \mathbb{I}(i=j)$。这些权重是利用代理变量在给定潜在变量下的基函数条件期望推导出来的。
• 实现： 最终的估计量 $\hat{\psi}$ 是一个一致的 M-估计量，通过求解经验估计方程 $P_n[\phi(O; \hat{\psi}, \hat{\eta})] = 0$ 获得。

3. 影响函数与稳健性

本文通过这种构建方式扩展到了推导观测数据影响函数。这些函数允许构建具有以下特性的估计量：

• 多重稳健性： 如果若干组扰动函数中的至少一组被正确设定，则一致性得以保持。
• $\sqrt{n}$-一致性： 即使扰动函数（例如代理变量的条件期望）是以慢于参数的速率进行估计的，只要满足特定的乘积速率条件（例如，一对扰动函数的估计误差之积为 $o_p(n^{-1/2})$），估计量仍能达到参数收敛速率。

文中讨论了两类目标泛函：

1. 第一类： $p(\vec{H}, \vec{O}_{-W})$ 的泛函，其影响函数依赖于全套代理变量。
2. 第二类： $p(\vec{H}, \vec{O} \setminus \{W_{1H}, W_{2H}\})$ 的泛函，需要涉及由不同代理对导出的权重乘积的更复杂的加权方案。

主要贡献与结果

1. 通用的识别框架： 本文将全数据分布的识别结果推广到了包含多个潜在变量和连续支撑的复杂设置中，超越了以往研究（如 Hu 和 Schennach [2008], Zhou 和 Tchetgen Tchetgen [2024]）对单潜在变量或有限支撑的限制。
2. 系统的估计程序： 它提供了一个系统性的程序，利用基于代理的权重将全数据影响函数转化为观测数据影响函数。这架起了非参数识别理论与现代半参数估计方法论之间的桥梁。
3. 稳健估计量： 所得估计量具有多重稳健性质。例如，在二元潜在处理的情况下，如果三个特定的条件期望函数对（例如 $E[W|H], E[Z|H]$）中的任何一个被正确设定，一致性仍能得到维持。
4. 在扰动函数收敛缓慢时的有效性： 本文确立了在扰动函数收敛速度慢于参数速率时，估计量仍能保持 $\sqrt{n}$-一致性的条件。这是通过对扰动函数估计误差的特定乘积速率条件实现的。
5. 图形化表征： 作者提供了充分的图形判据（通过 ADMGs），用以确定统计模型何时满足所需的独立性假设，为模型设定提供了实际指导。

意义与主张

作者声称，其工作扩展了全法识别的应用范围，使其能够涵盖涉及多个潜在变量和连续支撑的更复杂场景。通过开发依赖于观测代理变量的估计方程和影响函数，本文使得估计一类广泛的目标泛函（包括潜在均值和平均反事实结果）成为可能，而无需要求全数据分布在观测数据层面具有简单的闭式表示。

本文将自身定位为理论识别结果与实际估计之间的桥梁，为在变量非随机缺失或存在选择偏差的情况下，只要存在合适的代理变量，提供了一套“原则性估计”的工具包。作者指出，虽然他们提供了 $\sqrt{n}$-一致性的理论条件，但开发能够满足这些乘积速率条件的具体程序（例如基于筛法的或机器学习的方法）仍是未来研究的重要方向。该方法深受近期关于二元潜在处理（Zhou 和 Tchetgen Tchetgen [2024]）和有限支撑模型（Egami 和 Shin [2026]）研究的启发，并在其基础上进行了泛化。