揭秘空间混杂——协变量效应估计偏倚的统一分析框架

《Environmetrics》：Demystifying Spatial Confounding—A Unified Analytical Framework for the Bias in Covariate Effect Estimates

　　

在空间回归模型中，由空间随机效应表示的未测量空间变量通常与观测协变量不独立，并能在协变量效应估计中诱发显著的偏倚。这一被称为空间混杂的基本问题已被广泛研究，但有时得到的结果令人困惑且看似矛盾。在此，研究人员引入了一个广泛的理论框架，为空间混杂带来数学上的清晰度。重点关注影响模拟结果和实际应用的有限样本偏倚。研究人员的意图并非挑战文献中的现有结果，而是建立直观认识并提供一个有助于解释和连接这些结果的统一视角。研究人员推导出了一个紧凑的分析表达式，其中，在由所选分析模型的精度结构诱导的度量中，偏倚以协变量与其混杂因素之间的经验相关性及其相对大小来表示。因此，该公式直接将这些关系识别为偏倚的关键驱动因素；此外，利用精度结构的特征分解，研究人员获得了其行为的详细定量特征。特征分解具有作为空间频率和非空间信息的自然解释，其特征值编码了模型中空间平滑的精确效应。这使得从偏倚表达式中获得的见解能够转化为可解释的场景，并解释了微妙且反直觉的行为。最后，研究人员提出了一种在实践中解决该偏倚的一般策略。研究人员表明，当协变量具有非空间信息时，所谓spatial+方法的一般形式可以减少偏倚。如果不具备，则需要明确的可辨识性假设，并且研究人员开发了一种应用多个封顶版本的spatial+的程序。研究人员通过在德国气温问题上的应用阐明了该方法。

在空间统计学中，回归模型通常包含空间随机效应以近似由未测量空间变量引起的响应变量变化。然而，在观测数据中，协变量通常是潜在空间相关随机变量的实现，这违反了协变量与未测量变量正交的隐含假设，从而引发空间混杂现象，导致协变量效应估计产生偏倚。自Clayton et al.以及Hodges and Reich的开创性工作以来，空间混杂问题备受关注。目前的研究方向主要分为四类：一是针对特定模型实例的潜在解决方案研究；二是识别影响偏倚大小或发生概率的因素，特别是测量变量与未测量变量空间尺度的重要性；三是基于对非空间分析中协变量效应估计偏好的研究，这类方法通常涉及受限空间回归，曾被广泛采用但后被证实存在问题；四是基于因果推断方法的研究。尽管已有大量研究，但由于空间模型的复杂性，以往结论多依赖对特定模拟设置高度敏感的模拟研究，常出现违背直觉或相互矛盾的结论。此外，以往研究常将非空间分析模型的估计视为无偏参考，但非空间模型本身也易受偏倚影响。因此，为澄清这些矛盾，研究人员开展了构建统一理论框架的研究，旨在为空间混杂的机制和偏倚调整方法提供数学上的清晰度，并解释和连接现有文献中看似矛盾的结果。该研究发表在《Environmetrics》期刊上。

研究人员假设真实数据生成过程包含真实协变量效应 $\beta$ 和未测量空间变量 $\mathbf{z}$，并采用包含空间基矩阵 $\mathbf{B}_{sp}$、惩罚矩阵 $\mathbf{S}$ 和平滑参数 $\lambda$ 的一般空间分析模型。通过线性混合模型理论估计协ariate效应 $\hat{\beta}$。关键技术包括：利用精度矩阵 $\Sigma$^-1（多元正态分布协方差矩阵的逆矩阵，反映变量间的条件独立性）的特征分解构建正交特征基 $\mathbf{U}$，将样本空间划分为由特征值 $\sigma$^-2 表征的非空间子空间 $\mathbf{U}_{ns}$ 和由 $\sigma$^-2$w$_i 表征的空间平滑子空间 $\mathbf{U}_{sp}$，以此定义空间频率；在推导偏倚表达式时使用了内积和半范数等度量工具。在应用部分，使用了2010年德国月平均气温和降雨量数据（样本队列来源：德国气象数据）进行方法演示。针对偏倚调整，根据协变量是否包含非空间信息，采用了通用形式的spatial+方法或多重封顶版本的spatial+程序。

空间模型中的偏倚
研究人员通过推导偏倚分析表达式得出结论：在所选分析模型精度结构 $\Sigma$^-1 定义的度量下，偏倚可以直观地解释为协变量 $\mathbf{x}$ 与混杂因素 $\mathbf{z}$ 之间的经验相关性乘以混杂因素相对于协变量的相对大小。通过特征分解表达式进一步得出，偏倚直接与空间平滑相关，混杂的空间分量对偏倚分子有贡献，而非空间分量和未混杂空间分量会增加分母从而减小偏倚。偏倚不受与协变量无关的混杂分量的影响。

空间频率的作用
通过分析特征分解表达式中的权重 $w$_i 得出结论：不同空间频率对偏倚的影响存在显著差异。高频混杂诱导的偏倚更大，而低频混杂的贡献可能微乎其微。协变量中的未混杂高频空间分量与非空间分量作用类似，能有效减小整体偏倚。未平滑的空间分量和截距项对偏倚无影响。对协变量进行中心化处理相当于移除其第一个空间分量，由于该分量权重为0，偏倚大小保持不变。

与非空间模型的比较
通过将非空间模型视为仅含权重为0的截距特征向量的特殊空间模型得出结论：非空间模型中的偏倚表达式与空间模型仅在空间频率权重上存在差异，非空间模型中所有空间频率的权重均为1。由于权重同时影响偏倚的分子和分母，两模型偏倚关系复杂。非空间模型自身存在偏倚，两模型估计值的差异并不能直接反映空间模型是否存在混杂偏倚，因此非空间模型不适合作为诊断空间混杂的工具。

对平滑参数的依赖性
通过分析偏倚作为平滑参数 $\lambda$ 函数的行为得出结论：当协变量具有充足的非空间信息或未混杂高频分量时，偏倚通常随 $\lambda$ 的增大而增大；若所有混杂分量的坐标与权重乘积为零，则偏倚为0且不依赖于 $\lambda$。在极限情况下，当 $\lambda$ 趋近于0且协变量包含非空间信息时，偏倚趋近于0。

总结讨论与结论
研究结论指出，针对协变量效应估计中的有限样本偏倚，空间混杂的机制可以通过所提出的统一分析框架进行数学量化。在实践中，如果协变量包含非空间信息，采用通用形式的spatial+方法可以有效减小偏倚；若协变量不具备非空间信息，则需要明确可辨识性假设，此时可通过应用多重封顶版本的spatial+程序来评估和调整偏倚。研究人员通过德国气温与降雨量的应用分析进一步证实了该方法的有效性。此外，讨论指出，偏倚主要源于协变量与混杂因素在空间频率上的经验重叠以及模型的空间平滑操作，而非空间模型由于自身存在偏倚，不适合作为诊断空间混杂的工具。