面向环境与流行病学应用的空间因果推断方法综述
统计方法学
2020-07-07 v1
摘要
因果推断的科学严谨性与计算方法已对许多学科产生重大影响，但直到最近才开始在空间应用中立足。由于复杂的关联结构以及一处处理的干预与另一处结果之间的干扰，空间因果推断带来了分析挑战。本文综述了空间因果推断的现有文献并确定了未来工作的方向。我们首先讨论了利用空间结构来解释未测量混杂变量的方法。随后讨论了存在空间干扰下的因果分析，包括若干用于降低所考虑干扰模式复杂性的常见假设。这些方法被扩展到时空情形，我们将潜在结果框架与 Granger 因果性进行比较对照，并扩展到涉及处理与响应的空间随机场的地统计分析。这些方法在观察性环境与流行病学研究的背景下引入，并通过模拟研究以及分析环境空气污染对 COVID-19 死亡率的影响进行比较。文中提供了使用流行贝叶斯软件 OpenBUGS 实现许多方法的代码。
引用
@article{arxiv.2007.02714,
title = {A review of spatial causal inference methods for environmental and epidemiological applications},
author = {Brian J Reich and Shu Yang and Yawen Guan and Andrew B Giffin and Matthew J Miller and Ana G Rappold},
journal= {arXiv preprint arXiv:2007.02714},
year = {2020}
}