工具变量、空间混杂与干扰
统计方法学
2021-03-02 v1
摘要
在未观测空间混杂变量普遍存在于环境与生态应用中，其中所研究的系统复杂且数据通常为观测性数据。工具变量(IVs)是解决未观测混杂的常用方法；然而，在空间混杂中使用 IVs 的有效性在很大程度上未知。本文探讨了在这种情况下 IVs 的有效性——特别关注工具变量的空间尺度。我们表明，在具有空间依赖处理的情形下，当 IVs 的空间分辨率细于处理变量时其最为有效。我们通过大量模拟研究 IV 的表现，并将该模型应用于 1990–2010 年美国空气污染与心血管死亡率长期趋势的实例。最后，IV 方法还被推广至空间干扰设定，其中处理可影响邻近响应。
引用
@article{arxiv.2103.00304,
title = {Instrumental variables, spatial confounding and interference},
author = {Andrew Giffin and Brian J. Reich and Shu Yang and Ana G. Rappold},
journal= {arXiv preprint arXiv:2103.00304},
year = {2021}
}
备注
27 pages, 5 figures, 9 tables