典型文献
基于因子分析的因果推断研究
文献摘要：
针对反事实框架下的因果推断问题,在因子分析视角下,从优化角度提出利用L2因子分析方法估计反事实值,并引入L1损失函数优化L1风险;结合因果推断与正交因子模型,将面板数据中需要估计的反事实值视作缺失值,从而把因果推断反事实值估计转变为带有缺失值的潜在因子模型估计;舍弃面板数据中的缺失值,通过优化一步得到潜在结果与平均处理效应,避免了信息丢失问题;采用L1因子分析代替L2因子分析来估计模型,做出稳健性上的改进,并获得中位数处理效应;介绍了一种交替凸优化算法解决L1、L2因子分析中的目标函数最小化问题,并给出其具体实现步骤;对于加利福尼亚州限制烟草政策案例做了实证研究,将L1、L2因子分析与已有因果推断方法进行比较分析,结果表明:因子模型的L1、L2估计量同样适用于宏观经济变量预测;最后通过设置伪实验组与伪介入的假设,验证了L1因子分析较其他方法具有更稳健的预测效果.
文献关键词：
反事实估计;因果推断;L1因子分析
中图分类号：
作者姓名：
付举望;孔新兵
作者机构：
南京审计大学统计与数据科学学院,南京 211815
文献出处：
引用格式：
[1]付举望;孔新兵-.基于因子分析的因果推断研究)[J].重庆工商大学学报（自然科学版）,2022(06):71-78
A类：
正交因子模型,伪介入
B类：
因果推断,反事实框架,分析视角,从优,化角,L2,因子分析方法,L1,损失函数优化,缺失值,潜在因子模型,模型估计,舍弃,平均处理效应,信息丢失,中位数,数处,凸优化,加利福尼亚州,烟草,估计量,宏观经济,经济变量,变量预测,其他方法,更稳,反事实估计
AB值：
0.270028
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
