[论文解读] Where geography lives? A projection approach for spatial confounding

Marcos O. Prates, Érica Castilho Rodrigues+1 more|arXiv (Cornell University)|Jul 21, 2014

Spatial and Panel Data Analysis参考文献 13被引用 3

一句话总结

本文提出SPOCK，一种新颖方法，通过变换地理坐标以创建与协变量正交的空间结构，从而减少区域数据模型中的空间混杂。通过将空间坐标投影到协变量空间的正交补集上，SPOCK保持了稀疏精度矩阵，实现了快速贝叶斯计算，同时有效缓解了混杂问题，在不牺牲估计精度的前提下，速度优于现有方法。

ABSTRACT

Spatial confounding between the spatial random effects and fixed effects covariates has been recently discovered and showed that it may bring misleading interpretation to the model results. Solutions to alleviate this problem are based on decomposing the spatial random effect and fitting a restricted spatial regression. In this paper, we propose a different approach: a transformation of the geographic space to ensure that the unobserved spatial random effect added to the regression is orthogonal to the fixed effects covariates. Our approach, named SPOCK, has the additional benefit of providing a fast and simple computational method to estimate the parameters. Furthermore, it does not constrain the distribution class assumed for the spatial error term. A simulation study and a real data analysis are presented to better understand the advantages of the new method in comparison with the existing ones.

研究动机与目标

• 解决固定效应与空间随机效应在区域数据模型中的空间混杂问题。
• 开发一种计算高效的替代方法，以替代现有分解空间效应或投影随机效应的方法。
• 保持精度矩阵的稀疏性，确保快速的贝叶斯推断。
• 提供一个与标准ICAR实现（如WinBUGS和INLA）兼容的灵活框架。
• 阐明在存在与不存在混杂校正时估计参数与β*之间的概念性差异。

提出的方法

• SPOCK使用投影技术将原始地理坐标转换为与协变量空间正交的新空间配置。
• 新坐标定义了修改后的邻域结构，生成与协变量设计矩阵正交的精度矩阵。
• 该方法将空间图投影到协变量空间的正交补集上，确保空间效应与固定效应不相关。
• 所得模型保留了ICAR模型的稀疏精度矩阵，可通过标准MCMC或INLA实现高效计算。
• 该方法不限制空间误差分布，可适用于ICAR以外的各种空间模型。
• SPOCK允许在模型拟合前通过评估协变量与空间结构之间的相关性，对空间混杂进行诊断检查。

实验结果

研究问题

• RQ1 在什么情况下，空间混杂会导致区域数据模型中的误导性推断？
• RQ2 如何在不牺牲计算效率的前提下，有效缓解空间混杂？
• RQ3 在存在与不存在混杂校正的模型中，估计β与β*之间在概念和推断上存在哪些差异？
• RQ4 在什么情况下应校正空间混杂，而在什么情况下则无需校正？
• RQ5 能否开发一种方法，在将空间效应与协变量正交化的同时保持稀疏性？

主要发现

• 在真实数据示例中，SPOCK的中位计算时间为2.21秒，显著优于RHZ（251.83秒）和HH（29.39秒）。
• SPOCK下社会经济变量系数的后验均值估计为-0.1004，与RHZ（-0.1137）和HH（-0.1128）非常接近。
• β在SPOCK下的可信区间为（-0.1635, -0.0369），表明存在强烈的负相关证据，与其他缓解混杂的方法一致。
• 校正混杂后，SPOCK中的空间效应仍保留微弱的西南至东北趋势，但更趋近于零，表明残差空间依赖性降低。
• SPOCK保持了稀疏精度矩阵，从而实现快速计算，而RHZ和HH由于随机效应的投影导致稀疏性丧失。
• 该方法允许在模型拟合前进行空间混杂的诊断评估，帮助研究者判断是否需要进行校正。