估计时空干预的直接效应与间接效应：考虑空间干扰
机器学习
2024-09-02 v2 人工智能
摘要
空间干扰（SI）指治疗在一个位置对其他位置的结果产生影响。由于干扰违反了稳定单位处理价值假设（SUTVA），标准因果推断方法无法量化时变治疗在空间变异结果上的效应。本文首先通过扩展无未测混杂假设下的潜在结果框架， formalize 时变治疗分配下的空间干扰概念。随后，我们提出一种基于深度学习的时空因果推断潜在结果模型。我们利用潜在因子建模降低时变混杂引起的偏误，同时借助 U-Net 架构捕捉数据中随时间演变的全局和局部空间干扰。我们的因果估计量是平均处理效应（ATE）的延伸，用于估计空间干扰对受治者和未受治者数据的直接效应（DATE）和间接效应（IATE）。作为首个基于深度学习的时空因果推断技术，本方法在带有和不带空间干扰的两个合成数据集实验中均显示优于多个基线方法。我们对真实气候数据集的实验结果也与领域知识相吻合，进一步证明了所提方法的有效性。
引用
@article{arxiv.2405.08174,
title = {Estimating Direct and Indirect Causal Effects of Spatiotemporal Interventions in Presence of Spatial Interference},
author = {Sahara Ali and Omar Faruque and Jianwu Wang},
journal= {arXiv preprint arXiv:2405.08174},
year = {2024}
}