Regression modelQuasi-experimental / causal inference

Analyse de sensibilité spatiale pour la causalité

L'analyse de sensibilité spatiale pour la causalité teste systématiquement si une estimation causale dérivée de données géoréférencées se maintient lorsque la structure spatiale, les débordements (spillovers) et le choix de la matrice de poids spatiaux sont modifiés. Étant donné que les unités voisines partagent souvent des facteurs de confusion non mesurés — qualité du sol, infrastructure locale, normes de voisinage — une régression naïve peut produire des estimations causales biaisées. Cette méthode révèle à quel point un effet causal revendiqué est fragile ou robuste face à des spécifications spatiales alternatives.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Sources

  1. Anselin, L. (1988). Spatial Econometrics: Methods and Models. Kluwer Academic Publishers, Dordrecht. ISBN: 978-9024737322
  2. Reich, B. J., Yang, S., Guan, Y., Giffin, A. B., Miller, M. J., & Rappold, A. G. (2021). A review of spatial causal inference methods for environmental and epidemiological applications. International Statistical Review, 89(3), 605-634. DOI: 10.1111/insr.12452

Comment citer cette page

ScholarGate. (2026, June 3). Spatial Sensitivity Analysis for Causal Inference. ScholarGate. https://scholargate.app/fr/causal-inference/spatial-sensitivity-analysis-for-causality

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateSpatial Sensitivity Analysis for Causality (Spatial Sensitivity Analysis for Causal Inference). Consulté le 2026-06-15 sur https://scholargate.app/fr/causal-inference/spatial-sensitivity-analysis-for-causality · Jeu de données : https://doi.org/10.5281/zenodo.20539026