An Improved Doubly Robust Estimator Using Partially Recovered Unmeasured Spatial Confounder
利用部分恢复的未测空间混杂变量改进双重稳健估计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：摘要直接针对未测空间混杂下的二元处理因果效应估计；空间相关本身未构成网络或干扰研究证据。
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…
利用部分恢复的未测空间混杂变量改进双重稳健估计
- 研究问题
- 研究空间观测数据中，未测空间混杂导致二元处理效应估计偏误时，能否利用空间残差恢复部分混杂信息并改善估计。
- 方法与思路
- 作者结合空间统计与因果推断，用空间残差部分恢复未测空间混杂变量，再据此构造调整空间混杂的双重稳健估计量。
- 材料陈述的贡献
- 摘要称，所提估计量在多数模拟情景中具有较低偏差和接近名义水平的覆盖率，并应用于氮氧化物控制技术对臭氧浓度的效应。
- 阅读关注点
- 应核对残差恢复混杂信息的依据、双重稳健性的具体条件，以及模拟比较是否覆盖不同空间结构、混杂强度与模型误设。
- 阅读边界
- 所据版本为 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明完整识别假设，模拟中的优势不能直接推广至其他空间数据。
原文摘要
Studies in environmental and epidemiological sciences are often spatially varying and observational in nature with the aim of establishing cause and effect relationships. One of the major challenges with such studies is the presence of unmeasured spatial confounders. 'spatial confounding' is the phenomenon in which the spatial residuals are correlated to the spatial covariates in the model, when unaccounted for it can lead to biased causal effect estimates. This paper develops a novel method that adjusts for the spatial confounding bias under a spatial-causal inference framework when the treatment is binary. By combining tools from spatial statistics and causal inference literature, we propose a method that reduces the bias due to spatial confounding. We partially recover the unmeasured spatial confounder using the spatial residuals and propose an improved doubly robust estimator based on it. Through simulation studies, we demonstrate that the proposed doubly robust estimator outperforms the existing methods and has the lowest bias and close to nominal coverage in most scenarios. Finally, we implement our method to estimate the effect of installing SCR/SNCR NOx emission control technologies on ambient ozone concentrations.