全部版块 我的主页
› 论坛 › 经济学人 二区 › 外文文献专区
空间处理的因果推理
mingdashike22
1706 41
2022-04-16
摘要翻译：
我提出了一个框架，估计器，和推理程序，以分析因果影响的设置与空间处理。许多事件和政策（治疗），如开业、医院建设和污染源，发生在特定的空间位置，研究人员感兴趣的是它们对附近个人或企业的影响（结果单位）。然而，现有的治疗效果文献主要考虑可以直接在结果单元级别分配的治疗，潜在的溢出效应。我从一个类似的实验角度来研究空间治疗环境：我们会设计什么样的理想实验来估计空间治疗的因果效应？这一观点激发了在已实现治疗地点附近的个体和未实现候选地点附近的个体之间的比较，这与当前的经验实践不同。此外，我展示了如何找到这样的候选位置，并应用所提出的方法与观测数据。我应用所提出的方法来研究新冠肺炎封锁期间杂货店对附近企业步行交通的因果影响。
---
英文标题：
《Causal Inference for Spatial Treatments》
---
作者：
Michael Pollmann
---
最新提交年份：
2020
---
分类信息：

一级分类：Economics        经济学
二级分类：Econometrics        计量经济学
分类描述：Econometric Theory, Micro-Econometrics, Macro-Econometrics, Empirical Content of Economic Relations discovered via New Methods, Methodological Aspects of the Application of Statistical Inference to Economic Data.
计量经济学理论，微观计量经济学，宏观计量经济学，通过新方法发现的经济关系的实证内容，统计推论应用于经济数据的方法论方面。
--
一级分类：Statistics        统计学
二级分类：Methodology        方法论
分类描述：Design, Surveys, Model Selection, Multiple Testing, Multivariate Methods, Signal and Image Processing, Time Series, Smoothing, Spatial Statistics, Survival Analysis, Nonparametric and Semiparametric Methods
设计，调查，模型选择，多重检验，多元方法，信号和图像处理，时间序列，平滑，空间统计，生存分析，非参数和半参数方法
--

---
英文摘要：
  I propose a framework, estimators, and inference procedures for the analysis of causal effects in a setting with spatial treatments. Many events and policies (treatments), such as opening of businesses, building of hospitals, and sources of pollution, occur at specific spatial locations, with researchers interested in their effects on nearby individuals or businesses (outcome units). However, the existing treatment effects literature primarily considers treatments that could be assigned directly at the level of the outcome units, potentially with spillover effects. I approach the spatial treatment setting from a similar experimental perspective: What ideal experiment would we design to estimate the causal effects of spatial treatments? This perspective motivates a comparison between individuals near realized treatment locations and individuals near unrealized candidate locations, which is distinct from current empirical practice. Furthermore, I show how to find such candidate locations and apply the proposed methods with observational data. I apply the proposed methods to study the causal effects of grocery stores on foot traffic to nearby businesses during COVID-19 lockdowns.
---
PDF下载：
-->
English_Paper.pdf
大小:(3.69 MB)

 马上下载

二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复
可人4
2022-4-16 10:55:48
空间处理的因果推论Smichael Pollmann*2020年11月3日抽象空间位置，研究人员对他们对附近个人或企业（结果单位）的兴趣。然而，现有的治疗E-CENTS文献主要考虑可以直接在结果单位水平分配的治疗，实验观点：我们设计什么理想的实验来估计空间治疗的围手术期E-CENTS？这一观点激发了对接近已实现治疗地点的个体和接近未实现候选地点的个体之间的比较，这与当前的经验实践不同。此外，我还展示了如何筛选这些候选位置，并将所提出的方法应用于ObservationalData。我应用所提出的方法来研究在新冠肺炎封锁期间，食品杂货店对附近企业的因果关系。*斯坦福大学经济系，简·斯坦福路579号，加利福尼亚州斯坦福，94305。电子邮件:pollmann@stanford.edu。我感谢我的导师吉多·因本斯给予我的宝贵鼓励和指导。我感谢Tim Armstrong、Eric Auerbach、Ivan Canay、Caroline Hoxby、Joshua Kim、ElenaManresa、Konrad Menzel、Daniel Pollmann、Jann Spiess、Stefan Wager和Frank Wolak，以及斯坦福大学和伯克利大学的Seminarartners的许多评论和富有见地的讨论。Arxiv:2011.00373 v1[econ.em]2020年10月31日介绍治疗，如一家“百万美元工厂”的开业（Greenstone and Moretti,2003；Greenstone et al.,2010）发生在一个地理位置，兴趣的结果，如收入，是为附近的不同个人衡量的在因果推论的理论工作中，治疗分配单位和结果单位之间的这种区别很少受到关注。在缺乏理论工作指导的情况下，最近使用高度详细的位置数据进行的经验研究大多依赖于对熟悉的直接关系方法的调整。不幸的是，这些对空间处理设置的适应隐含地要么严重依赖于函数形式假设，要么依赖于部分不一致的非参数假设来识别因果关系。这与个体水平的治疗形成鲜明对比，在个体水平的治疗中，许多研究人员更喜欢基于更简单、更透明的假设的准实验方法的因果推论，这些假设通过模拟研究人员希望进行的“理想实验”来获得可信度。在本文中，我提出了空间治疗的（准）实验方法，该方法将实验与个体水平的治疗分配结合在一起。经验工作采取了一种概念上不同的方法。假设我们想估计一棵价值百万美元的植物在1英里外的个体身上的平均能量。最近的经验研究将位于价值百万美元的工厂周围半径为1英里的“内环”上的个体与位于“外环”上的个体进行了比较，这些个体的特征与空间中任何一点的距离相关（Lee and Ogburn，2020；为了改善这一问题，在一个“内环”水平上增加了一个“前”与“后”的比较，但必须沿着平行的趋势发展。相比之下，Greenstone and Moretti(2003)在一个百万美元工厂的竞标战中“赢得”了“亚军”县，这些县也非常认真地被认为是百万美元工厂的所在地，但最终“失败”了（Greenstone and Moretti，2003)。简而言之，我提出的方法将离百万美元工厂1英里远的个体与离损失县工厂选择的地点1英里远的个体进行比较。因为这些地方在实践中。该方法利用微观位置数据，通过直接-间接方法估计出目标的详细位置。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022
2022-4-16 10:55:54
它们在一组似然的候选位置中具有同位性和随机性。不完全一致的、非参数的或泛函形式的假设，如果不能保证是内外环上的个体，则必须具有可比性。这是最容易实现的选择外环靠近内环，在con curitict假设。即使是在面板数据中，平行趋势假设在空间上特别强，在一个距离但在多个距离上，通常使用相同的外环控制组。这就要求在直到外环区域的所有距离上的个体不仅仅是使有限样本分析可行的近似，而渐近方法甚至是渐近地依赖于函数形式假设，即使有实验数据。相反，我推荐在准实验条件下正式有效的估计，治疗位置的变化有时被用来非正式地证明治疗的假设是正确的，然后由这样一个事实来确定治疗的确切位置，即选择具有特定特征的邻区，但是，在不到一英里的范围内，当个人试图搬进一个社区时，可用的准确位置可以说是外生的。“本文提出的估计量允许研究人员利用suching。我展示了我在一份申请中提出的准实验方法，该申请研究了2020年4月COVID-19封锁期间，足下杂货店对附近餐馆的因果关系。在这个应用程序中，我观察了旧金山湾区杂货店和其他企业的确切空间位置。我展示了如何筛选类似于实际杂货店街坊的“控制”街坊，除了缺少一个边缘杂货店。foot-tra with c to wastrators的兴趣结果是以其智能手机位置与Safegraph共享的客户数量来衡量的。我发现，距离杂货店不到0.05英里的餐馆每周的顾客比反事实杂货店附近的餐馆多得多，至少在新冠肺炎疫情期间顾客流动性减少的情况下是这样。虽然我在本文中主张基于设计的准实验方法，但这种方法有自己的优势，所以两种方法是互补的。具体而言，与“外环”的比较有选择性地消除了治疗和控制个体的空间邻近，如人口密度。无论空间变化、时间变化还是功能形式假设产生最大得分），都可能在方法之间建立一个有吸引力的桥梁。本文开发的框架允许我将所建议的方法扩展到多个治疗地点彼此靠近的环境，相反，在治疗地点彼此过于靠近的应用中，Todi herence-in-di herences方法不适用。在本文的框架内，我可以允许这样的干扰治疗设置。他们推导出平均的E&ect Estimat，这些E&ect Estimats是经过试验的，排除了设计上的干扰。在补充工作环境的扩展中，即使有干扰，这些Estimats也是IDENTI的。此外，我还讨论了如何利用观测数据发现可能发生治疗但没有发生治疗的额外候选治疗地点，从而增加了所提出方法可以应用的设置的数量。此外，我认为本文开发的框架特别有助于推导空间治疗的E----估计量的标准误差。通过提供几乎任何使用观察之间的空间关系的应用程序。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22
2022-4-16 10:56:00
Aronow et al.(2020)也提供了一些基于设计的标准误差，但对于与本文提出的估计量最相似的估计量，主要集中在渐近正态性和基于抽样的方差上，这是Conley(1999)的风格。因此，他们的工作结果补充了本文的内容。我所提出的标准错误的解释很简单：它们是因果E-ECT估计的范围（Abadie et al.，2020)。在基线设置中，我导出的varianceestimators类似于在治疗分配水平上的聚类（Abadiea邻近区域或多个治疗彼此接近）。相比之下，聚类是基于尖锐的、有时是任意的边界和聚类之间的无干扰。最后，该框架强调了在多个距离上接收到的微小信息的解释中的细微差别。然而，在不同的距离上，平均电位是不可比较的。由于某些个体往往更有可能--在认识到任何一个治疗地点附近的个体的总重量随距离而变化之前。这两个e-ects都可以导致平均治疗e-ects的估计，这些估计增加到总个体水平的治疗e-ects来估计所有附近个体在一个地点的治疗的总e-ects。本文讨论的框架和方法也可能被证明是有用的，因为这些“治疗”不是直接分配给个体的，而是基于某种距离的度量来确定它们。在本文中，我将讨论Bartik(1991)-或转移-共享工具，例如，工业水平的冲击和依赖于工业方法的所有城市可能会扩展到具有观测之间依赖性的其他设置，在这些设置中，有时很难收集（好的）控制观测，如事件研究和其他时间序列设置。第三，在此分离治疗分配和结果个体（Abadie et al.，2020)。虽然基于设计的推断捕捉了治疗位置、区域（在空间统计学文献中的渐近性(Cressie，1993)中）的变化，但却捕捉到了增长（聚类）的变化。本文重点讨论了基于设计的推理；对直接推理模式的深入比较超出了它的范围。我目前的分析至少在三个重要方面受到限制。首先，我假设Tatadao等人。（2019年）和Borusyak等人（2019）采取类似的基于设计的观点，其中“转移”的arerandom。参见Goldsmith-Pinkham等人。（2020）作为一种替代方案，认为“股份”是随机的。策略性地应对治疗。第二，该框架并不直接适用于某些地方，例如在关于社会流动的文献中（例如Chetty et al.，2014)。相反，随机化治疗地点的实验也产生了一个空间相关的兴趣协变量（与治疗的距离），它诱导的随机化分布是在一定的环境下可能存在的。当我试图为各种空间处理设置提供ER理论和估计量时，本文的主要焦点在于开发一个与空间处理相关的理论和估计量。特别地，本论文没有提供正式的使用方法从文献中的样本分裂和双鲁棒性（例如，适当的未实现的候选位置使这是一个高维估计问题，在本文的其余部分组织如下。理想实验下的引言部分。第4节讨论如何将这些结果扩展到经验相关性的其他设置。第五节将重点从实验转移到讨论本论文的局限性和未来空间处理因果关系研究的丰硕方向。1.1实证相关性和相关理论文献，这些文献来自经济学和其他社会科学的许多应用领域。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4
2022-4-16 10:56:06
最近的研究利用个体水平的结果和地点数据估计空间治疗的e-效价，包括Stock(1989，1991)；林登和罗科(2008)；柯里等人。（2015年）；阿利普兰蒂斯和哈特利（2015年）；桑德勒（2017）；戴蒙德和麦奎德（2019）；查尔芬等人。（2019年）；罗辛-斯莱特。（2019年）。值得注意的是，Dell和Olken(2020)明确考虑了反事实处理反事实分配。现有的更多研究空间处理的经验工作仅限于聚合结果数据。如果当时这些研究有微观位置数据，研究人员可能会提出一些问题，这些问题可以使用本文提出的方法来回答。inMiguel和Kremer(2004)空间处理的实验和观测研究；科恩和杜帕斯（2010）在《发展经济学》，Greenstoneet al.（2010年）；费勒等人。（2017）公共与劳动经济学，(Jia，2008)in industrialAronow et al.（2020）还推荐了针对尖锐零假设的费雪型排列检验。组织和环境经济学（Keiser and Shapiro,2019）。不平等以及许多潜在的补救措施，如基于地点的政策，涉及空间处理。关于因果推断、空间统计学和经济计量学。最近的一小部分理论论文类似地研究了空间处理，尽管重点不明确。关系最密切的Zigler和Papadogeorgou(2018)，Aronowet Al(2020)，以及Imai等人。（2018）聚焦于治疗与干扰之间的设置，并讨论应用程序--特定假设，以保留干扰下这些设备的识别。此外，我还讨论了在干扰的存在下被遮蔽的更广泛的estimands和Dissures。帕帕多乔尔古等人。（2020）以aCressie，1993)而不是被定义的观察单位来回答一个不同的问题。对他们来说，他们的估计和对比整个分配机制（随机干预，Mu~noz和van der Laan，2012)。McIntosh(2008)为已知被治疗所限制的个体作为自然群体组存在的环境提出了一个估计器。Pouliot(2018)还研究了一种结果和协变量的位置在空间上失调的环境，但不是在空间治疗和因果推断的背景下。关于干扰和网络。因果推断的一些工作明确考虑了空间相关的治疗（Delgado和Florax，2015；Druckenmiller and Hsiang,2019）,butis不直接适用于空间处理产生的模式。文学上的干扰涉及溢出，或间接的，违反稳定单位处理值假设分配给个体的处理（Rosenbaum,2007；Hudgens and Halloran,2008；Tchetgen Tchetgen和VanderWeele，2012年；阿罗诺和萨米，2017年；巴斯克斯-巴尔，2017年；S"avje等人，2017年；2019年，S"avje；Basse et al.，2019).网络设置中的治疗方法通常源于个人级别的治疗分配，并通过网络传播（例如。Athey等人，2018年；Basse et al.，2019)。与干涉和网络文献相比，本论文所关注的是治疗单元与结果单元分开的设置。虽然ECT“溢出”到结果单元，但如果两个治疗单元之间很少且相隔很远，就不会像本文的基线设置那样产生干涉。因此，空间（CF。Ho the et al.，2002)作为本文使用的地理距离。在空间处理环境中感兴趣的评估和估计通常与限制干扰的假设不同；详细情况见第4.2节。类似的假设也适用于其他个体。基于大样本渐近理论在GMM框架中的空间统计和经济相关性中发展；另见Case(1991)；Lahiri et al.(2002)；Lee(2004)；Andrews(2005)；Kelejian and Prucha(2007)；Bester et al。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi
2022-4-16 10:56:12
（2011年）；Lahiri和Robinsonproximity也常被用于在文献聚类抽样中激励横截面依赖性(Moulton，1986，1990；Moulton和Randolph，1989；Hansen，2007；Donald和Lang，2007；Barrios等人，2012；Cameron和Miller，2015；Abadie等人，2017)。空间统计和计量经济学文献主要涉及descriptiveand Rey(2010)；LeSage和Pace(2004)；阿尔比亚（2014年）。由于治疗分配（或与治疗的距离）在地点内不变，为了因果E-ECT估计的一致性，可能需要“递增域渐近性”(Cressie，1993)（区域或簇的数量或大小的渐近性）。然而，空间处理的应用，这篇论文对这篇文献的典型贡献是集中在因果关系和基于设计的样本内推断的估计上，而不是描述性结果和基于抽样的推断。本文还联系了关于处理的欠清晰度和双重稳健估计的估计的文献。具体来说，我提出了一个正式的不混淆性概念（参见Rosenbaum and Rubin，1983；Imbens and Rubin，2015)，即距离，可以预测结果和治疗分配的概率。双重处理（倾向评分）模型。最近的工作已经对这些估计器进行了调整，toAthey et al.，2018)。初步结果表明，这种估计器也可能在空间处理环境中表现良好。处理位置。最密切相关的是，Athey et al.(2019)使用生成对抗性类似地提出了“对抗性估计”，使用看起来与真实数据难以区分的生成来估计结构模型。在本文的应用中，只有它周围的是真实的。图像。对于使用卫星数据的经济应用（参见Donaldson和Storeygard，2016年，综述），卷积神经网络也显示出了希望（例如。Jean et al.，2016；Engstrom et al.，2017)。卷积神经网络对spatialsettings特别有吸引力，因为它们建立在正则化的相关经济直觉上：虽然通过谨慎的设计决策，我为空间处理设置提出的方法除了通常与“黑箱”机器学习算法相关的良好性能之外，还保留了一些可解释性。我们衡量结果的IMBEN和级别。这一区别将作为e-ect的顶点的干预与为其测量e-ect的个体分开。它允许我正式地描述感兴趣的Estimat，并在下面的部分中导出估计量及其性质。对于空间治疗，个体的潜在结果不是个体水平的二元或连续治疗的函数，而是一组候选治疗位置的函数。lets表示候选治疗位置的集合，在Figurgure1中显示为三角形。假设第1组候选治疗位置为firenite；在figygure1的示例中，仅在所示区域中进行了两次定位。这导致了大多数应用程序所普遍存在的一个固有的稀缺性：最终只实现了一小部分位置，而大多数位置是不可行的、不合适的、不可信的或不太可能进行处理的。这很方便，因为通常用他们的“GPS坐标”给出经纬度。在图中，治疗可能发生的位置用三角形给出。购物中心圆圈表示个人的位置。研究人员通常根据与治疗的距离来估计这些个体。
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群