Spatiotemporal double machine learning to estimate the impact of Cambodian land concessions on deforestation
时空双重机器学习：估计柬埔寨土地特许经营对森林砍伐的影响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：摘要明确以双重机器学习处理混杂并评估土地政策的因果效应，直接属于因果推断。
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…
关注这篇论文的作者
时空双重机器学习：估计柬埔寨土地特许经营对森林砍伐的影响
- 研究问题
- 评估具有空间与时间结构的土地政策时，如何处理共同影响处理和结果的未观测空间混杂，并估计森林砍伐的政策效应？
- 方法与思路
- 作者在双重空间回归中加入时间维度，分别处理处理变量与结果中的混杂后比较残差，并以含空间嵌入的 BART 开展模拟。
- 材料陈述的贡献
- 摘要称，扩展模型在某些条件下比标准方法更好地应对未观测空间混杂，并应用于柬埔寨土地特许经营的森林砍伐影响评估。
- 阅读关注点
- 应核对时间维度如何进入模型、空间代理如何支持识别，以及残差化、交叉拟合和政策效应定义是否适应时空依赖。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明优势成立的具体条件，也未报告柬埔寨应用的效应方向或数值。
原文摘要
Environmental policy evaluation frequently requires thoughtful consideration of space and time in causal inference. We use novel statistical methods to analyze the causal effect of land concessions on deforestation rates in Cambodia. Standard approaches, such as difference-in-differences regression, effectively address spatiotemporally-correlated treatments under some conditions, but they are limited in their ability to account for unobserved confounders affecting both treatment and outcome. Double Spatial Regression (DSR) is an approach that uses double machine learning to address these scenarios. DSR resolves the confounding variables for both treatment and outcome, comparing the residuals to estimate treatment effectiveness. We improve upon DSR by considering time in our analysis of policy interventions with spatial effects. We conduct a large-scale simulation study using Bayesian Additive Regression Trees (BART) with spatial embeddings and find that, under certain conditions, our DSR model outperforms standard approaches for addressing unobserved spatial confounding. We then apply our method to evaluate the policy impacts of land concessions on deforestation in Cambodia.