Spatial causal inference in the presence of preferential sampling to study the impacts of marine protected areas
偏好性采样下的空间因果推断：海洋保护区影响评估AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究观察数据中的政策因果效应，并处理未观测混杂与偏好性采样造成的偏差。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
偏好性采样下的空间因果推断：海洋保护区影响评估
- 研究问题
- 当采样位置与政策及结局相关，且存在空间依赖和未观测空间混杂时，如何识别并估计海洋保护区对鱼类生物量的影响？
- 方法与思路
- 作者建立空间因果推断模型，同时处理采样过程和处理分配中的未观测空间混杂，研究关键参数识别与后验一致性。
- 材料陈述的贡献
- 摘要称模拟支持模型内因果效应估计的可靠性；澳大利亚海岸应用发现偏好性采样证据，且校正会改变效应估计。
- 阅读关注点
- 应核对采样、处理与结局过程的联合结构、关键参数可识别的条件，以及后验一致性要求和效应对模型设定的敏感性。
- 阅读边界
- 这是 arXiv 预印本，评审与接收未核实；摘要未给出识别条件或效应方向与大小，不能据此判断保护区是否普遍有效。
原文摘要
Marine Protected Areas (MPAs) have been established globally to conserve marine resources. Given their maintenance costs and impact on commercial fishing, it is critical to evaluate their effectiveness to support future conservation. In this paper, we use data collected from the Australian coast to estimate the effect of MPAs on biodiversity. Environmental studies such as these are often observational, and processes of interest exhibit spatial dependence, which presents challenges in estimating the causal effects. Spatial data can also be subject to preferential sampling, where the sampling locations are related to the policy and the response variable, further complicating inference and prediction. To address these challenges, we propose a spatial causal inference method that simultaneously accounts for unmeasured spatial confounders in both the sampling process and the treatment allocation. We prove the identifiability of key parameters in the model and the consistency of the posterior distributions of those parameters. We show via simulation studies that the causal effect of interest can be reliably estimated under the proposed model. The proposed method is applied to assess the effect of MPAs on fish biomass. We find evidence of preferential sampling and that properly accounting for this source of bias impacts the estimate of the causal effect.