存在空间混杂时异质因果效应的推断
统计方法学
2019-06-04 v2 机器学习
机器学习
摘要
我们利用观测数据，解决跨空间推断暴露因素对结果变量的因果效应的问题。数据可能受到未测量混杂变量的影响，在标准方法中，必须通过估计 nuisance 函数对其进行调整。本文发展了一种方法，消除了 nuisance 函数，同时缓解了由此产生的变量误差。结果是一种针对空间变化异质因果效应的稳健且准确的推断方法。该方法的特性在合成数据以及来自德国和美国的真实数据上得到了展示。
引用
@article{arxiv.1901.09919,
title = {Inferring Heterogeneous Causal Effects in Presence of Spatial Confounding},
author = {Muhammad Osama and Dave Zachariah and Thomas B. Schön},
journal= {arXiv preprint arXiv:1901.09919},
year = {2019}
}
备注
10 pages, 10 figures