Dynamic Spatial Treatment Effects as Continuous Functionals: Theory and Evidence from Healthcare Access
作为连续泛函的动态空间处理效应：医疗可及性的理论与证据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：摘要明确研究空间处理效应及作用随空间传播的结构，对应因果推断与空间干扰问题。
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
作为连续泛函的动态空间处理效应：医疗可及性的理论与证据
- 研究问题
- 如何把空间处理强度表示为随空间和时间变化的连续函数，分析医疗可及性的衰减、作用边界和累积暴露？
- 方法与思路
- 作者以 Navier–Stokes 偏微分方程构建连续泛函框架，使用美国邮政编码数据分析空间衰减、人口异质性及不同衰减形式。
- 材料陈述的贡献
- 摘要称，框架可描述动态边界、参数敏感性与诊断检验；医疗应用报告空间衰减和异质性，但模型选择更支持对数衰减。
- 阅读关注点
- 应核对处理效应的因果识别、流体方程与医疗机制的对应，以及指数衰减拟合度较低和对数模型更优对理论主张的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出充分识别条件，衰减参数符号本身不能确认扩散机制或诊断城市混杂。
原文摘要
I develop a continuous functional framework for spatial treatment effects grounded in Navier-Stokes partial differential equations. Rather than discrete treatment parameters, the framework characterizes treatment intensity as continuous functions $τ(\mathbf{x}, t)$ over space-time, enabling rigorous analysis of boundary evolution, spatial gradients, and cumulative exposure. Empirical validation using 32,520 U.S. ZIP codes demonstrates exponential spatial decay for healthcare access ($κ= 0.002837$ per km, $R^2 = 0.0129$) with detectable boundaries at 37.1 km. The framework successfully diagnoses when scope conditions hold: positive decay parameters validate diffusion assumptions near hospitals, while negative parameters correctly signal urban confounding effects. Heterogeneity analysis reveals 2-13 $\times$ stronger distance effects for elderly populations and substantial education gradients. Model selection strongly favors logarithmic decay over exponential ($Δ\text{AIC} > 10,000$), representing a middle ground between exponential and power-law decay. Applications span environmental economics, banking, and healthcare policy. The continuous functional framework provides predictive capability ($d^*(t) = ξ^* \sqrt{t}$), parameter sensitivity ($\partial d^*/\partial ν$), and diagnostic tests unavailable in traditional difference-in-differences approaches.