面向时空数据的因果推断：哥伦比亚的冲突与森林损失

在许多数据科学问题中，我们关注推断数据生成机制中的因果关系。此处我们考虑如下真实世界问题：哥伦比亚冲突如何影响热带森林损失？存在增强与减弱两种影响的证据。回答此类问题需要使用因果模型。本工作中，我们提出一类针对时空随机过程的因果模型。它使我们即便在因果背景知识不完整时，也能正式定义并量化协变量向量 $X$ 对实值响应 $Y$ 的因果效应。我们引入一种估计因果效应的步骤，以及针对这些效应为零的非参数假设检验。所提方法不作强分布假设，并允许任意多个潜混杂因素，只要这些混杂因素不随时间变化（或者，不随空间变化）。将我们的因果方法应用于冲突与森林损失问题（使用 2000 至 2018 年数据）时，我们发现冲突对森林损失具有减弱但不显著的因果效应。在区域层面，增强与减弱效应均可识别。我们的理论发现得到模拟支持，且代码已在线公开。