Regression modelQuasi-experimental / causal inference

Telpiskās jutīguma analīze cēloniskumam

Telpiskās jutīguma analīze cēloniskumam sistemātiski pārbauda, vai no ģeoreferencētiem datiem iegūtais cēloniskuma novērtējums saglabājas, mainot telpisko struktūru, pārneses efektus un telpiskās svērumu matricas izvēli. Tā kā tuvumā esošās vienības bieži dala nemērītus jaucējus — augsnes kvalitāti, vietējo infrastruktūru, apkārtnes normas —, naiva regresija var radīt neobjektīvus cēloniskuma novērtējumus. Šī metode parāda, cik trausls vai stabils ir apgalvotais cēloniskuma efekts pret alternatīvām telpiskām specifikācijām.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

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

Avoti

  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

Kā citēt šo lapu

ScholarGate. (2026, June 3). Spatial Sensitivity Analysis for Causal Inference. ScholarGate. https://scholargate.app/lv/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). Izgūts 2026-06-15 no https://scholargate.app/lv/causal-inference/spatial-sensitivity-analysis-for-causality · Datu kopa: https://doi.org/10.5281/zenodo.20539026