Inference in Spatial Experiments with Interference using the SpatialEffect Package
使用 SpatialEffect 包开展存在干扰的空间实验推断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：摘要直接研究随机空间实验的因果效应，并明确考虑节点间溢出和干扰。
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…
使用 SpatialEffect 包开展存在干扰的空间实验推断
- 研究问题
- 空间实验中存在溢出、位移和其他干扰时，如何利用已知随机化设计，估计不同距离上的干预效应并进行统计推断？
- 方法与思路
- 作者采用基于实验设计的推断，目标为平均边际化响应，即对其他干预节点的环境影响取平均后的指定距离激活效应。
- 材料陈述的贡献
- 摘要提供 SpatialEffect R 包的分步教程，并称乌干达社区森林保护支付实验的应用揭示了常规分析可能遗漏的空间溢出。
- 阅读关注点
- 应核对平均边际化响应的形式定义、随机化设计要求和方差计算，并检查距离设定及其他节点影响的平均方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明完整推断条件或溢出数值，不能据此确认其大小与显著性。
原文摘要
This paper presents methods for analyzing spatial experiments when complex spillovers, displacement effects, and other types of "interference" are present. We present a robust, design-based approach to analyzing effects in such settings. The design-based approach derives inferential properties for causal effect estimators from known features of the experimental design, in a manner analogous to inference in sample surveys. The methods presented here target a quantity of interest called the "average marginalized response," which is equal to the average effect of activating a treatment at an intervention node that is a given distance away, averaging ambient effects emanating from other intervention nodes. We provide a step-by-step tutorial based on the SpatialEffect package for R. We apply the methods to a randomized experiment on payments for community forest conservation in Uganda, showing how our methods reveal possibly substantial spatial spillovers that more conventional analyses cannot detect.