Identifiability of Treatment Effects with Unobserved Spatially Varying Confounders
存在未观测空间变化混杂时处理效应的可识别性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：摘要以未观测空间混杂下处理效应的识别与识别失败为核心，直接支持因果推断分类，未明确研究网络干扰。
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…
关注这篇论文的作者
存在未观测空间变化混杂时处理效应的可识别性
- 研究问题
- 当未测混杂因素随空间位置变化并与暴露相关时，哪些空间模型和观测布局允许识别处理效应，哪些情形会导致识别失败？
- 方法与思路
- 作者在一个线性模型中，对未测混杂与暴露之间的协方差结构施加不同参数化假设，分析离散和连续空间数据的可识别性。
- 材料陈述的贡献
- 摘要称许多常用空间模型在位置结构和暴露—混杂关联的温和条件下可识别处理效应，并指出若干不可识别模型或场景。
- 阅读关注点
- 应核对各空间协方差模型的具体限制、观测位置结构要求，以及识别失败与有限样本估计不稳定之间如何区分。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未列出可识别模型及完整条件，不能认为空间调整即可消除混杂。
原文摘要
The study of causal effects in the presence of unmeasured spatially varying confounders has garnered increasing attention. However, a general framework for identifiability, which is critical for reliable causal inference from observational data, has yet to be advanced. In this paper, we study a linear model with various parametric model assumptions on the covariance structure between the unmeasured confounder and the exposure of interest. We establish identifiability of the treatment effect for many commonly 20 used spatial models for both discrete and continuous data, under mild conditions on the structure of observation locations and the exposure-confounder association. We also emphasize models or scenarios where identifiability may not hold, under which statistical inference should be conducted with caution.