Instrumental variables, spatial confounding and interference
工具变量、空间混杂与干扰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：摘要以工具变量处理未观测混杂，并明确允许处理影响邻近结局，分别对应因果推断与网络及干扰。
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…
工具变量、空间混杂与干扰
- 研究问题
- 当处理和未观测混杂因素具有空间相关性时，工具变量能否有效处理混杂，其空间分辨率如何影响表现，方法又如何扩展到邻近干扰？
- 方法与思路
- 作者研究工具变量相对处理的空间变化尺度，通过广泛模拟评估性能，并分析美国空气污染与心血管死亡趋势，进一步扩展至空间干扰情形。
- 材料陈述的贡献
- 摘要称，空间相关处理下，变化尺度比处理更细的工具变量最为有效；文章还提出允许处理影响邻近结局的工具变量扩展。
- 阅读关注点
- 应核对工具变量有效性的条件、空间尺度结论的适用范围、直接效应与邻近效应的定义，以及污染应用中的工具构造和敏感性分析。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明工具来源或排除限制，较细空间尺度本身不足以证明工具变量有效。
原文摘要
Unobserved spatial confounding variables are prevalent in environmental and ecological applications where the system under study is complex and the data are often observational. Instrumental variables (IVs) are a common way to address unobserved confounding; however, the efficacy of using IVs on spatial confounding is largely unknown. This paper explores the effectiveness of IVs in this situation -- with particular attention paid to the spatial scale of the instrument. We show that, in case of spatially-dependent treatments, IVs are most effective when they vary at a finer spatial resolution than the treatment. We investigate IV performance in extensive simulations and apply the model in the example of long term trends in the air pollution and cardiovascular mortality in the United States over 1990-2010. Finally, the IV approach is also extended to the spatial interference setting, in which treatments can affect nearby responses.