基于分位数的时空过程因果推断：野火对美国空气质量的影响评估
应用统计
2025-12-19 v1
摘要
野火构成日益严重的威胁，对空气质量产生深远影响，但由于未测量的气象和地理混杂因素，难以量化其因果影响。此外，野火对空气质量的影响可能在不同污染程度上呈现异质性，而传统以均值导向的因果方法难以捕捉。为此，我们发展了基于分位数的潜在空间混杂模型（QLSCM），将条件期望替换为条件分位数，从而实现整个结果分布上的因果分析。我们在理论上建立了 QLSCM 的因果解释，证明了因果效应的可识别性，并在温和条件下证明了估计器的一致性。仿真实验确认了偏差纠正能力，并显示出分位数方法在均值方法上的优势。将该方法应用于美国大陆范围的野火与空气质量数据，我们发现重要的异质效应：火灾辐射功率在加州和俄勒冈等西部州的高分位数上对气溶胶光学厚度产生显著正向因果影响，而在低分位数上则不显著。这表明野火对空气质量的影响主要体现在极端污染事件中。地区分析显示，西部和西北部地区在此类极端情况下的因果效应最强。这些发现为环境政策提供了关键见解，确定了减缓措施最有效的地点和时机。
引用
@article{arxiv.2512.16603,
title = {Quantile-based causal inference for spatio-temporal processes: Assessing the impacts of wildfires on US air quality},
author = {Zipei Geng and Jordan Richards and Raphael Huser and Marc G. Genton},
journal= {arXiv preprint arXiv:2512.16603},
year = {2025}
}