用多任务高斯过程估计加州枪支管控项目的效果
统计方法学
2022-06-09 v2 应用统计
摘要
枪支暴力是美国一项关键的公共安全问题。2006 年，加州实施了一项独特的枪支监测项目——武装与禁持人员系统（APPS），以应对该州的枪支暴力。APPS 项目首先识别那些因联邦或州法律而禁止持枪的枪支所有者，然后没收其枪支。我们的目标是在项目实施前后的年份中，利用全美年度州级犯罪数据，评估 APPS 对加州谋杀率的影响。为此，我们将一种非参数贝叶斯方法——多任务高斯过程（MTGPs）——适配到面板数据设定中。MTGPs 允许构建灵活且简洁的面板数据模型，其嵌套了许多现有方法，并可对时间依赖与单元依赖同时直接控制，以及进行自然的 Uncertainty 量化。我们扩展了该方法以纳入非正态结果、辅助协变量与多个结果序列，这些在我们的应用中均十分重要。我们还表明该方法具有良好的频率学派性质，包括可表示为对单元与时间段分别加权的加权估计量。应用该方法，我们发现 APPS 项目加强的监测与执法显著降低了加州的凶杀案。我们还发现，对谋杀的影响完全由涉枪谋杀的下降所驱动，对非涉枪谋杀无 measurable 影响。估计的每个避免的谋杀成本远低于统计生命价值的常规估计，表明该执法努力的效益-成本比非常高。
引用
@article{arxiv.2110.07006,
title = {Estimating the effects of a California gun control program with Multitask Gaussian Processes},
author = {Eli Ben-Michael and David Arbour and Avi Feller and Alex Franks and Steven Raphael},
journal= {arXiv preprint arXiv:2110.07006},
year = {2022}
}