[論文レビュー] Re-thinking Spatial Confounding in Spatial Linear Mixed Models

Kori Khan, Candace Berrett|arXiv (Cornell University)|Jan 13, 2023

Spatial and Panel Data Analysis被引用数 10

ひとこと要約

本論文は空間的混乱（spatial confounding）文献を統合し、2つの形態を区別する（データ生成と分析モデル）ことを示し、どちらも推論に影響を与え得ることを示す。多くの場合、緩和手法よりも伝統的な空間モデルを妥当とする。

ABSTRACT

In the last two decades, considerable research has been devoted to a phenomenon known as spatial confounding. Spatial confounding is thought to occur when there is multicollinearity between a covariate and the random effect in a spatial regression model. This multicollinearity is considered highly problematic when the inferential goal is estimating regression coefficients and various methodologies have been proposed to attempt to alleviate it. Recently, it has become apparent that many of these methodologies are flawed, yet the field continues to expand. In this paper, we offer a novel perspective of synthesizing the work in the field of spatial confounding. We propose that at least two distinct phenomena are currently conflated with the term spatial confounding. We refer to these as the ``analysis model'' and the ``data generation'' types of spatial confounding. We show that these two issues can lead to contradicting conclusions about whether spatial confounding exists and whether methods to alleviate it will improve inference. Our results also illustrate that in most cases, traditional spatial linear mixed models do help to improve inference on regression coefficients. Drawing on the insights gained, we offer a path forward for research in spatial confounding.

研究の動機と目的

• 空間的混乱の歴史的発展と定義を要約する。
• データ生成による空間的混乱と分析モデルによる空間的混乱を区別する。
• 非空間的、空間的、調整された空間モデルの下での回帰係数のバイアスを理論的に比較する。
• シミュレーションを用いて、伝統的な空間モデルが調整済み手法を上回る条件を検討する。
• 空間的混乱文献の矛盾を解決するための今後の進路を提案する。

提案手法

• 空間データのデータ生成と分析モデルを対比させる分析的設定を確立する。
• 非空間モデル、伝統的な空間モデル、空間ランダム効果を備えた調整空間モデルの3つのモデリング枠組みを定義する。
• 異なる混同行の源（データ生成と分析モデル）の下での回帰係数のバイアスの表現を導出する。
• XとZおよびそれらの相互依存性を特徴付けるためにガウス過程/マーテン共分散を用いる。
• バイアスとモデル選択およびデータ生成構造を結びつける理論的結果を提示する。
• 伝統的な空間モデルが代替手法を上回る場合を示すためのシミュレーション研究を提供する。

実験結果

リサーチクエスチョン

• RQ1 文献における空間的混乱の明確な発生源は何か？
• RQ2 データ生成と分析モデルの視点は、回帰係数のバイアスにどのように異なる影響を与えるか？
• RQ3 伝統的な空間モデルが調整されたアプローチよりも推論を改善する条件は何か？
• RQ4 空間的混乱を緩和するように設計された既存の方法は、標準的な空間回帰モデルと比較してどのように機能するか？

主な発見

• 空間的混乱の下で2つの異なる現象が存在する：データ生成空間的混乱と分析モデル空間的混乱。
• 回帰係数のバイアスは、混乱の源と選択したモデリング枠組みに依存する。
• 多くの設定で、混乱を除去するよう設計された調整済みモデルよりも、伝統的な空間回帰モデルが推論を改善できる。
• 片方のタイプの空間的混乱のみを対象とする方法は、標準的な空間モデルよりも推論を歪める可能性が高い。
• 統合は文献の矛盾する結論を明確にし、原理的な前進方向を導く。