Assessing the impact of tourist attractions through the integration of causal inference and demand-side economic analysis: A case study of the Sensoria experience museum in Holzminden, Germany
本文通过整合因果推断与需求侧经济分析,研究了德国霍尔茨明登市2024年9月开放的Sensoria体验博物馆对当地旅游业需求及直接和间接影响,发现其在第一年运营中带来4,691个额外的过夜住宿,产生约0.56百万欧元的额外总收入,但长期影响尚无法确定。
2026-09-04 stat.AP
Estimating Causal Effects with Observational Data: Guidelines for Agricultural and Applied Economists
本文针对农业与应用经济学多数因果研究依赖观测数据的现状,梳理了常用的观测数据因果效应估计方法,并为相关研究者提供评估、讨论识别策略等方面的实操指南。
2025-08-04 econ.EM stat.ME
Causal exposure-response curve estimation with surrogate confounders: a study of air pollution and children's health in Medicaid claims data
针对Medicaid儿童健康数据中社会经济地位未测量、数据聚类等挑战,提出基于广义倾向得分匹配的MedMatch方法,结合代理变量估计PM2.5与呼吸住院的因果暴露-反应曲线,验证了其性能优势并得到正相关的非线性关系。
2024-07-11 stat.ME
Which Effect of Race? Causal Inference without Holding All Else Equal
研究探讨种族歧视实证研究中种族影响的问题,通过分离种族研究应针对的影响及其设计能否得出该影响这两个主张,得出更宽松的可信估计和推断条件,重新分析实验发现西班牙裔选民在不同影响下的同民族偏好情况。
2026-07-21 stat.ME
Breaking Down the Lockdown: The Causal Effects of Stay-At-Home Mandates on Uncertainty and Sentiments During the COVID-19 Pandemic
本文以2020年2月意大利突发封锁为准实验,利用Twitter文本和交错双重差分法评估居家令对公众不确定性与情绪的因果效应。
2023-06-01 cs.SI econ.GN q-fin.EC
Stochastic Boundaries in Spatial General Equilibrium: A Diffusion-Based Approach to Causal Inference with Spillover Effects
The University of Tokyo(东京大学)
本文提出一种基于扩散模型和随机边界检测的空间因果推断框架,用于识别局部干预何时演变为一般均衡效应,并在日本AI采用数据中发现35公里尺度的Lévy跳跃及42%的放大效应,为政策评估提供指导。
2025-08-08 econ.GN q-fin.EC stat.AP
Balancing Method for High Dimensional Causal Inference
因果推断在经济学、统计学、教育、医学、机器学习等不同领域都受到了极大的关注。在这一领域,在观察性研究中推断个体水平的因果效应已成为一项重要任务,特别是在高维环境中。在本文中,我们提出了一个框架,估计个性化的处理效应在高维非实验数据。我们提供了理论和经验的理由,后者通过比较我们的框架与目前表现最好的方法。我们提出的框架在大多数情况下可以与最先进的方法相媲美,甚至比它们更简单,更容易实现。
2017-02-15 stat.ME
The Economic Effect of Gaining a New Qualification Later in Life
本文利用HILDA纵向数据和机器学习因果估计方法,评估晚年完成额外学位的经济回报,发现每年可增收逾3000澳元,且45岁以下者收益更高。
2023-04-21 econ.GN q-fin.EC stat.AP
Kernel-based independence tests for causal structure learning on functional data
针对函数型数据,提出基于核的独立性检验方法,扩展HSIC并引入条件独立性检验,实证显示良好性能,并应用于因果结构学习。
2023-11-15 stat.ME
Causal thinking for decision making on Electronic Health Records: why and how
针对电子健康记录数据驱动医疗决策易受混杂因素影响的问题,提出分步因果决策框架,结合MIMIC-IV数据集验证步骤选择的影响,并公开代码数据以指导实践。
2024-12-11 stat.ME stat.ML
Causal Effect Estimation for Multivariate Continuous Treatments
因果推断广泛应用于生物学、心理学和经济学等领域。在观察研究中,我们需要在估计因果效应之前对协变量进行平衡。本研究将一维熵平衡法扩展到多维,以平衡协变量。提出了估计多变量连续处理因果效应的参数和非参数方法,并给出了这两种估计的理论性质。仿真结果表明,该方法在各种情况下都优于其他方法。最后,我们应用该方法分析了吸烟时间和频率对医疗费用的影响。研究结果表明,吸烟频率会显著增加医疗费用,而吸烟时间不会显著增加医疗费用。
2022-05-18 stat.AP stat.ME
Connections as treatment: causal inference with edge interventions in networks
Sun Yat-sen University(中山大学);Xiamen University(厦门大学)
本文提出了一种网络边干预的因果推断框架,通过指数随机图模型估计边概率,用于分析交通网络中铁路连接对区域经济的影响。
2026-01-12 stat.AP stat.ME
An expanded version of the front door criterion under the potential outcome framework: A guide to empiricist
Durham University(杜伦大学)
本文在潜在结果框架下扩展前门准则,定义了路径平均因果效应,重新定义了关键假设,并通过模拟数据验证了理论推导,证明即使违反某些假设,前门准则仍能提供因果关系的新见解。
2026-06-27 stat.ME
The Digital Twin Counterfactual Framework: A Validation Architecture for Simulated Potential Outcomes
本文提出数字双胞胎反事实框架,通过模拟而非统计估计反事实,建立分层验证体系,区分可验证的边际因果量与依赖不可观测结构的copula依赖量,提升因果推断的可检验性。
2026-04-01 cs.AI stat.ME
Probabilistic Modelling is Sufficient for Causal Inference
University of Cambridge(剑桥大学)
本文表明,概率建模足以回答因果推断问题,无需专门的因果工具或符号。
2025-12-29 cs.LG stat.ME stat.ML
Learning Multiscale Non-stationary Causal Structures
Sapienza University of Rome(罗马智慧大学);Centai Institute(Centai研究所)
本文提出多尺度非平稳有向无环图(MN-DAG)框架及贝叶斯学习方法MN-CASTLE,利用随机变分推断和局部偏相关信息,有效建模多元时间序列中跨时间尺度的动态因果关系,并在合成数据和美国天然气市场实证中展现出优于基线模型的性能。
2023-11-17 cs.LG stat.ME stat.ML
Causal KL: Evaluating Causal Discovery
Monash University(莫纳什大学)
使用人工数据评估因果模型发现的两个最常用的标准是编辑距离和Kullback-Leibler散度,从真实模型到学习模型进行测量。这两个指标最大限度地奖励真实模型。然而,我们认为,他们都是不够的歧视,在判断错误的模型的相对优点。例如,编辑距离无法区分强概率依赖性和弱概率依赖性。另一方面,KL分歧同样奖励所有统计上等价的模型,无论它们的因果关系如何。我们提出了一个增强的KL分歧,我们称之为因果KL(CKL),它考虑到因果关系,区分观测等效模型。CKL的三个变体的结果,表明因果KL在实践中效果良好。
2021-11-11 cs.LG stat.ML
Variable Selection in Causal Inference Using Penalization
在因果调整设置中,基于结局或治疗分配模型的变量选择技术可能导致遗漏混杂因素或在倾向评分中纳入虚假变量。我们提出了一种基于惩罚似然的变量选择方法,该方法同时考虑了响应和治疗分配模型。所提出的方法有利于在高维环境中的混杂选择。我们表明,在某些条件下,我们的方法达到的预言财产。所选变量用于形成治疗效果的双重稳健回归估计。模拟结果和经济增长数据进行了分析。
2014-06-05 math.ST stat.TH
When deep learning meets causal inference: a computational framework for drug repurposing from real-world data
药物再利用是确定现有药物新用途的有效策略,提供了从实验室到床边的最快过渡。现有的药物再利用方法主要集中在临床前信息,当应用于人类时可能存在翻译问题。真实世界数据(RWD),如电子健康记录和保险索赔,提供了许多药物的大量使用者的信息。在这里,我们提出了一个有效的和易于定制的框架,用于生成和测试多个候选药物再利用使用RWD的回顾性分析。我们的框架以成熟的因果推断和深度学习方法为基础,模拟了大型医疗索赔数据库中药物的随机临床试验。我们证明了我们的框架在冠状动脉疾病(CAD)的案例研究中,通过评估55个再利用候选药物对各种疾病结局的影响。我们获得了6种候选药物,这些药物显著改善了CAD的结局,但还没有用于治疗CAD,为药物再利用铺平了道路。
2020-07-16 cs.LG stat.AP
Treatment effects at the margin: Everyone is marginal
针对政策同时影响参与选择与结果、且处理决定观测对象的内生选择问题,论文提出边际性加权估计量,以识别政策诱导进入者的因果效应。
2025-08-29 econ.EM stat.ME
RobustIV and controlfunctionIV: Causal Inference for Linear and Nonlinear Models with Invalid Instrumental Variables
本文介绍两个R软件包RobustIV和controlfunctionIV,分别用于线性与非线性模型下存在无效工具变量时的因果推断,并提供了经济数据和弗拉明汉心脏研究的应用示例。
2023-06-20 stat.CO stat.ME
A Fast Non-parametric Approach for Local Causal Structure Learning
我们研究因果结构学习的问题,基本上没有假设的功能关系和噪音。我们开发了DAG-FOCI,这是一个计算速度快的算法,该算法基于~ \cite{azadkia2021simple}中的FOCI变量选择算法。DAG-FOCI输出感兴趣的响应变量的父变量集。我们提供了理论上的保证,我们的程序时,底层图不包含任何(无向)周期包含响应变量的利益。此外,在没有这个假设的情况下,我们给出了一个保守的保证,对假阳性的因果关系索赔时,一套父母是可识别的。我们证明了DAG-FOCI的适用性模拟以及一个真正的数据集从计算生物学~ \cite{sachs2005causal}。
2022-03-18 math.ST stat.ME stat.ML
Causal Inference through a Witness Protection Program
因果推断中最基本的问题之一是当变量混杂时对因果效应的估计。这在观察性研究中是困难的,因为没有直接证据表明所有混杂因素都已调整。我们介绍了一种新的方法来估计因果效应,利用观测条件独立性,建议在一个未知的因果图中的“弱”路径。Spirtes等人广泛使用的忠诚条件被放宽,以允许不同程度的“路径取消”,这意味着条件独立,但不排除存在混淆的因果路径。结果是通过线性规划方法和贝叶斯推断的平均因果效应的界上的后验分布。我们主张这种方法应该与观察性研究中的其他默认工具一起用于常规实践。
2014-10-30 stat.ML
PanelMatch: Matching Methods for Causal Inference with Time-Series Cross-Section Data
本文介绍 R 包 PanelMatch,为时间序列截面数据提供参数假设更少、诊断更丰富的匹配式因果推断方法及可视化工具。
2025-08-16 stat.AP stat.ME
Private Causal Inference
因果推断处理识别哪些随机变量“导致”或控制其他随机变量。基于统计估计和机器学习工具的因果推断主题的最新进展已经产生了用于因果推断的实用算法。因果推断有可能对医学研究、疾病预防和控制以及识别影响经济变化的因素产生重大影响。然而,这些用于因果推断的有希望的应用通常是涉及需要保密的用户的敏感或个人数据的应用(例如,医疗记录、个人财务等)。因此,需要开发保护数据隐私的因果推断方法。我们研究了使用当前流行的因果推断框架,加性噪声模型(ANM),同时确保用户的隐私推断因果关系的问题。我们的框架为各种ANM变体提供了不同的隐私保证。我们进行了大量的实验,并证明我们的技术是实用的,易于实现。
2016-08-20 stat.ML
Causal mechanism of extreme river discharges in the upper Danube basin network
多瑙河流域的极端水文事件可能严重影响人口、水生生物和经济活动。人们经常使用多变量和空间极值理论及其渐近合理的模型来表征极端事件的联合结构。然而,人们感兴趣的是连锁极端事件以及一个事件是否会导致另一个事件。在本文中,我们认为,通过结合极值模型和因果发现,可以更好地理解严重事件的机制。我们构建了一个因果推断方法依赖于极端条件分位数的柯尔莫哥洛夫复杂性的概念。尾量来自使用多变量极值模型和尾诱导的不对称性的数据进行了探讨,通过最小描述长度原则。我们的CausEV,因果关系的极端值,方法揭示了夏季极端的多瑙河流域上游的河流排放之间的因果关系,并发现显着的因果关系之间的联系,多瑙河和阿尔卑斯山的支流莱希。
2020-04-01 stat.AP
Causal Discovery and Forecasting in Nonstationary Environments with State-Space Models
Carnegie Mellon University(卡内基梅隆大学);University of Pittsburgh(匹兹堡大学)
在许多科学领域,如经济学和神经科学,我们经常面临非平稳时间序列,并关注寻找因果关系和预测感兴趣的变量的值,这两者在这种非平稳环境中特别具有挑战性。本文研究了非平稳时间序列的因果发现和预测问题。通过利用一种特殊类型的状态空间模型来表示的过程中,我们表明,非平稳性有助于确定因果结构和预测自然受益于学习的因果知识。具体来说,我们允许在因果强度和噪声方差的非线性状态空间模型,有趣的是,使因果结构和模型参数的变化。给定因果模型,我们将预测视为因果模型中贝叶斯推理的问题,该模型利用数据的时变特性并以原则性的方式适应新的观测结果。合成和真实世界的数据集上的实验结果表明,所提出的方法的有效性。
2019-07-31 cs.LG stat.ML
Enhancing Economic Literacy through Causal Diagrams
本文提出以因果图为核心的教学活动,提升经济学素养,实验证明该方法能有效帮助学生理解国民收入模型及乘数关系。
2025-01-22 econ.GN q-fin.EC
The Causal Uncertainty Principle
Institute for Global Health and Development, Queen Margaret University(全球健康与发展研究所,爱丁堡玛格丽特女王大学)
本文提出因果不确定性原理,指出因果推断中精确识别与泛化能力存在结构性权衡,通过证据状态的非交换性解释了信息运输失败的根源。
2025-11-27 cs.IT math.IT stat.AP
Robust Causal Discovery in Real-World Time Series with Power-Laws
Department of Computer Science, Sapienza University of Rome(罗马大学计算机科学系)
本文提出了一种基于幂律谱特征提取的鲁棒因果发现方法,以提高在现实时间序列中因果关系发现的鲁棒性,该方法在合成数据集和真实数据集上均优于现有方法。
2026-06-03 cs.LG physics.data-an stat.ML
Mental Models of Causal Structure in Economics and Psychology
University of Zurich(苏黎世大学);MIT Sloan School of Management(麻省理工学院斯隆管理学院);Norwegian School of Economics(挪威经济学院)
本文探讨了人们如何形成经济变量间因果结构的信念,以及这些信念错误时的影响,结合认知科学文献,分析因果有向无环图模型及在微观、宏观经济学中的应用。
2026-04-02 econ.GN q-fin.EC
Causal Impact Of European Union Emission Trading Scheme On Firm Behaviour And Economic Performance: A Study Of German Manufacturing Firms
在本文中,我们估计了因果影响(即平均处理效应,ATT)对温室气体排放和企业竞争力的影响(主要按雇员人数、营业额、和出口水平),将差异中的差异方法与半参数匹配技术和估计,并调查欧盟ETS对这些德国制造业企业的经济绩效的影响,使用随机生产前沿模型。
2021-08-16 econ.GN q-fin.EC
Protectionism and economic growth: Causal evidence from the first era of globalization
我们研究保护主义政策如何影响经济增长。我们的实证策略利用了一个非同寻常的税收丑闻,导致了瑞典政府的意外变化。1887年,议会中自由贸易的多数被保护主义的多数推翻。保护主义政府提高了关税。我们采用合成控制法来选择控制国家,瑞典的经济增长可以与之进行比较。我们没有发现证据表明保护主义政策影响了经济增长,并研究了原因。新的关税法增加了政府收入。然而,研究结果并不意味着贸易保护主义政府通过增加政府支出来刺激经济。
2022-03-03 econ.GN q-fin.EC
Ideological Bias in LLMs' Economic Causal Reasoning
Graduate School of Data Science, KAIST(韩国科学技术院数据科学研究生院);College of Business, KAIST(韩国科学技术院商学院);School of Computing, KAIST(韩国科学技术院计算机学院);Division of Social Science, HKUST(香港科技大学社会科学系)
研究探讨LLM在经济因果推理中的意识形态偏见,通过扩展EconCausal基准测试,评估20种先进LLM在处理意识形态冲突案例时的准确性,发现LLM在意识形态冲突案例上表现更差,且存在系统性偏倚。
2026-10-15 cs.AI cs.CE cs.CL
Study Of German Manufacturing Firms: Causal Impact Of European Union Emission Trading Scheme On Firm Behaviour And Economic Performance
基于非参数最近邻匹配的结果表明,在欧盟排放交易体系的第一阶段,欧盟排放交易体系对受监管企业的经济绩效产生了统计上显着的积极影响。逐年分析表明,这种影响仅在第一阶段的第一年才显著。因此,欧盟排放交易体系在推出时产生了特别强的影响。重要的是要注意到,欧盟排放交易计划对制造业企业的影响并不单一。我们发现,欧盟排放交易体系对造纸行业受监管企业的经济表现产生了显著的积极影响。
2021-08-16 econ.GN q-fin.EC
Associational and plausible causal effects of COVID-19 public health policies on economic and mental distress
背景COVID-19疫情在全球范围内增加了精神困扰。报告焦虑的人比例为26%,抑郁为34%。解开行为、COVID-19病例和经济困境对精神痛苦的关联和因果贡献,将决定不同的缓解策略,以减少长期流行病相关的精神痛苦。方法我们使用2020年4月至2021年2月的家庭脉搏调查(HPS)数据来检查美国公民因COVID-19而产生的精神困扰。我们将HPS调查数据与公开的州级周报数据相结合:来自疾病控制中心的COVID-19病例和死亡数据、公共政策以及苹果和谷歌的移动数据。最后,本研究建构经济与精神困扰的测量方法,以估计具滞后因变量的结构模型,以厘清公共卫生政策对经济与精神困扰的关联路径系数与因果路径系数。从2020年4月到2021年2月,我们发现美国的焦虑和抑郁情绪稳步攀升。t-1期COVID-19病例使同期失业率上升4. 1%,经济困境上升6. 3个百分点。失业和住房不安全的t-1期心理痛苦分别增加了29.1%和32.7%。然而,t-1食物不安全减少了4.9%的时间t的精神痛苦。流行病相关的t-1期经济困难对t期抑郁的潜在因果通径系数为57.8%,焦虑为55.9%。因此,我们发现,t-1期COVID-19病例信息、行为和经济困境可能与流行病相关的t期精神困境存在因果关系。
2021-12-20 econ.GN q-fin.EC
Centrality-oriented Causality -- A Study of EU Agricultural Subsidies and Digital Developement in Poland
与社会经济现象相关的令人信服的因果统计推断的结果被视为进行各种社会经济方案或政府干预的特别理想的背景。不幸的是,很多时候,真正的社会经济问题并不满足文献中提出的因果分析程序的限制性假设。本文指出了某些经验的挑战和概念的机会有关的应用程序的数据深度概念到一个过程中的因果推断的社会经济现象。我们展示了如何应用统计功能深度来表示因果推断过程中常用的事实和反事实分布。因此,本文提出了对鲁宾因果关系概念的一种修正,即:一个以中心为导向的因果关系概念。所提出的框架在基于官方统计进行因果推断的情况下特别有用,即,基于现有的数据库。与极值深度,修改后的波段深度,Fraiman-Muniz深度,和多元Wilcoxon和秩统计量的方法考虑说明了通过与欧盟直接农业补贴的影响,在波兰的数字化发展的研究在2012年至2019年期间的例子。
2019-09-16 econ.GN q-fin.EC stat.AP
Noise Pollution and Household Sustainability: An Economic Approach
研究从家庭视角探讨噪声污染经济影响,涵盖来源、测量、后果及计量方法,介绍常用数据和方法,指出其对政策及研究的贡献,还提及未来可在噪声污染环境不公正及欠发达国家相关方面深入研究。
2026-07-22 econ.GN q-fin.EC
Labour by Design: Contributions of David Card, Joshua Angrist, and Guido Imbens
2021年瑞典央行纪念阿尔弗雷德·诺贝尔经济学奖授予大卫·卡德(David Card)“对劳动经济学的实证贡献”,以及约书亚·安格里斯特(Joshua Angrist)和圭多·因本斯(Guido Imbens)“对因果关系分析的方法学贡献”。“我们调查了三位获奖者的这些贡献,并讨论了他们的经验和方法论见解如何改变了应用微观经济学的现代实践。通过强调研究设计和形式化不同计量经济学程序的因果内容,获奖者对劳动经济学中的关键问题有了新的认识,并为许多领域的实证分析提供了强大的工具包。
2022-03-30 econ.GN q-fin.EC
Stories that (are) Move(d by) Markets: A Causal Exploration of Market Shocks and Semantic Shifts across Different Partisan Groups
University of Oxford(牛津大学)
该研究探究语义偏移与金融市场冲击的因果关联,分析党派倾向对文本市场预测能力及冲击反应的影响,验证突发事件下文本信号的显著性,提出研究新闻媒体与市场冲击双向作用的新实证方法。
2025-02-20 cs.CE cs.CL econ.GN
Combining distributive ethics and causal Inference to make trade-offs between austerity and population health
国际货币基金组织(IMF)向陷入经济动荡的成员国提供财政援助,但同时要求这些国家改革公共政策。在一些情况下,这些改革与人口健康不一致。虽然研究人员已经从经验上分析了这些改革对健康的影响,但没有分析确定对人口健康和经济成果的影响之间的公平权衡。我们的文章分析并确定了这些权衡的原则。首先,本文回顾了现有的政策评估研究,这些研究表明,总的来说,国际货币基金组织的政策经常对儿童健康和物质标准造成不利影响,以追求宏观经济的改善。其次,本文讨论了分配伦理学中的四种理论(最大化、平等主义、优先主义和非均衡主义),以确定哪一种理论最符合IMF的核心使命,即改善宏观经济学(《协议条款》),同时平衡对健康的影响。使用分配伦理分析的国际货币基金组织的政策,我们认为,自愿主义是最兼容的理论。第三,本文提供了一个定性的重新阐明的协议条款,并正式的因果推断的语言的基本原则。我们还提供了一个框架,说明如何从观察数据中实证衡量国际货币基金组织政策在人口健康和经济成果之间公平权衡的程度。最后,我们提出了政策建议和未来研究的建议。
2020-08-10 cs.CY econ.GN q-fin.EC
Trust and Time Preference: Measuring a Causal Effect in a Random-Assignment Experiment
大量证据表明,一个国家的信任水平是其宏观经济增长的重要决定因素。在本文中,我们研究了信任可能支持经济绩效的一个渠道:通过耐心的水平,也被称为经济学文献中的时间偏好。在Gabaix和Laibson(2017)之后,我们首先认为时间偏好可以建模为基于关于未来的噪声信号的最优贝叶斯推理,因此它受到未来结果的感知确定性的影响。借鉴神经科学文献,我们认为,信任和耐心的机制可以通过神经递质催产素促进。一方面,它是信任行为的神经关联。另一方面,它会影响大脑对预测错误的编码,因此可以增加对未来事件神经表征的感知确定性。信任和时间偏好之间的关系进行了实验测试,使用信任游戏。虽然该论文没有发现信任对时间偏好或确定性水平的显着影响,但它提出了一种实验设计,可以成功地操纵人们的短期信任水平。
2022-11-30 econ.GN q-fin.EC
Theorist Toolbox: Tools for Agent Based LLM-assisted economic theory Research
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
提出一种验证优先的经济理论LLM辅助协议,通过三种可重用方法(单次检查、对抗性证明-验证对、多智能体项目)在等级膨胀的Gans-Kominers特征模型上设计Groves/Pigouvian激励机制的实例验证。
2026-06-24 cs.GT econ.GN econ.TH