Spatial+：一种处理空间混杂的新方法
统计方法学
2023-10-02 v1 统计理论
应用统计
统计理论
摘要
在空间回归模型中，协变量与空间效应间的共线性会导致效应估计的显著偏差。这一被称为空间混杂 (spatial confounding) 的问题在建模林业数据以评估温度对树木健康的影响时也会遇到。由于结果依赖于模型中是否包含空间效应，可靠推断十分困难。空间混杂背后的机制鲜为人知，且应对方法有限。我们提出一种新方法 spatial+，其通过用协变量在回归掉空间依赖后的残差替代空间模型中的协变量，从而降低共线性。借助薄板样条模型表述，我们将空间混杂识别为 Rice (1986) 所提出的平滑诱导偏差，并通过对效应估计的渐近分析表明 spatial+ 避免了空间模型的偏差问题。仿真研究亦证实了这一点。Spatial+ 利用现有软件即可直接实现，且因响应变量与空间模型相同，标准模型选择准则可用于比较。该方法的一大优势是可推广至具有非高斯响应分布的模型。最后，尽管我们的结果在薄板样条设定下导出，spatial+ 方法可轻易迁移至其他空间模型表述。
引用
@article{arxiv.2009.09420,
title = {Spatial+: a novel approach to spatial confounding},
author = {Emiko Dupont and Simon N. Wood and Nicole Augustin},
journal= {arXiv preprint arXiv:2009.09420},
year = {2023}
}