📊 statistics

Disentangling spatial interference and spatial confounding biases in causal inference

Dit artikel verheldert de definities van ruimtelijke interferentie en ruimtelijke confounding met behulp van een Directed Acyclic Graph (DAG)-framework om analytische bias-expressies af te leiden onder algemene distributieve instellingen, waarbij wordt aangetoond hoe ruimtelijke gewichten, behandelingsdistributies en de omvang van interferentie causale schattingen kritisch beïnvloeden, terwijl deze theoretische bevindingen worden gevalideerd door middel van simulaties en real-world data.

Oorspronkelijke auteurs: Isqeel Ogunsola, Olatunji Johnson

Gepubliceerd 2026-02-04

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Isqeel Ogunsola, Olatunji Johnson

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je probeert uit te zoeken hoeveel een specifieke meststof (de Behandeling) helpt om een tuin te laten groeien (de Uitkomst). Je hebt een kaart van veel verschillende tuinpercelen.

In een perfect wereld, als je meststof op Perceel A legt, groeit alleen Perceel A beter. Maar in de echte wereld is het rommelig. Dit artikel pakt twee specifieia manieren aan waarop deze rommeligheid je ertoe verleidt verkeerde conclusies te trekken over je meststof.

Hier is de uitsplitsing van de bevindingen van het artikel met behulp van eenvoudige analogieën:

1. De twee grote problemen: "Het Buren-effect" en "De Verborgen Gast"

De auteurs zeggen dat er twee belangrijke redenen zijn waarom je tuinexperiment mis kan gaan:

Ruimtelijke Interferentie (Het Buren-effect): Stel je voor dat je tuinpercelen vlak naast elkaar liggen. Als je Perceel A water geeft, kan het water misschien ondergronds naar Perceel B sijpelen en per ongeluk ook Perceel B water geven. Dus Perceel B groeit beter, niet door zijn eigen meststof, maar door het "overloopwater" van een buurman. In het artikel wordt dit Ruimtelijke Interferentie genoemd. Als je dit negeert, denk je misschien dat je meststof werkt, terwijl het eigenlijk gewoon de "overloop" van een buurman is.
Ruimtelijke Confounding (De Verborgen Gast): Stel je voor dat er een verborgen factor is, zoals een verborgen ondergrondse bron, die zowel bepaalt waar je besluit mest te gebruiken als hoe goed de planten groeien. Missie kun bijvoorbeeld alleen mest gebruiken in de natte gebieden omdat de grond daar zachter is, en die natte gebieden laten van nature beter groeiende planten zien. Als je rekening houdt met deze "Verborgen Gast" (de confounder), zul je denken dat de mest al het werk doet, terwijl het water eigenlijk de held was.

2. De "Verborgen Gast" heeft twee gezichten (Direct vs. Indirect)

Het artikel ontdekt een cruciaal punt: De "Verborgen Gast" is niet één ding. Het komt in twee smaken, en eerdere studies behandelden ze vaak als hetzelfde.

Directe Confounding: De verborgen bron bevindt zich onder Perceel A, en beïnvloedt zowel de keuze voor de mest op Perceel A als de groei van Perceel A.
Indirecte Confounding: De verborgen bron bevindt zich onder Perceel A, maar stroomt ondergronds door om zowel de groei van Perceel B als de mestkeuze van Perceel B te beïnvloeden.

De claim van het artikel: Deze twee zijn verschillend! Net zoals een buur die jouw tuin water geeft (Interferentie) anders is dan een verborgen bron die jouw bodem beïnvloedt (Confounding), is een "Directe" verborgen gast anders dan een "Indirecte" een. Als je ze als hetzelfde behandelt, klopt je wiskunde niet meer.

3. De "Vorm" van de data doet ertoe

De meeste wetenschappers gaan ervan uit dat tuingegevens eruitzien als een perfecte klokcurve (Normale verdeling). De auteurs zeggen: "Wacht eens even, het echte leven is niet altijd een klokcurve."

Ze hebben getest wat er gebeurt als je gegevens lijken op een Poisson-verdeling (denk aan het tellen van dingen, zoals het aantal regendruppels of bezoeken aan een ziekenhuis) in plaats van een gladde curve.

De bevinding: De hoeveelheid fout (bias) in je resultaten verandert afhankelijk van de "vorm" van je gegevens. Als je een klokcurve aanneemt terwijl je eigenlijk te maken hebt met "tel-data", zal je berekening van de fout onjuist zijn.

4. De "Kaart" die je kiest, verandert het resultaat

Om te meten hoe buren elkaar beïnvloeden, heb je een "Gewichtsmatrix" nodig (een kaart die bepaalt wie een buur is).

De claim van het artikel: Hoe je deze kaart tekent, is van enorm belang.
- Als je Afstand gebruikt (bijv. "iedereen binnen 5 mijl is een buur"), wordt de fout kleiner naarmate je de afstand groter maakt.
- Als je K-Nearest Neighbors gebruikt (bijv. "de 4 dichtstbijzijnde percelen zijn buren"), wordt de fout juist groter naarmate je meer buren toevoegt.
- Analogie: Het is alsof je bepaalt wie je "vriend" is. Als je een vriend definieert als "iemand binnen 1 mijl", krijg je één resultaat. Als je zegt "de 4 dichtstbijzijnde mensen ongeacht de afstand", krijg je een totaal ander resultaat. Het artikel laat zien dat het kiezen van de verkeerde definitie je uiteindelijke antwoord verandert.

5. De Praktijktest: Het weer in Manchester

De auteurs hebben niet alleen wiskunde op papier uitgevoerd; ze hebben dit getest op echte weergegevens uit Manchester, VK.

De opzet: Ze keken naar de Luchttemperatuur (Behandeling) en het Landoppervlakte-temperatuur (Uitkomst). Ze wisten dat Neerslag een "Verborgen Gast" (Confounder) was, omdat regen de lucht afkoelt en de grond nat maakt.
Het resultaat: Wanneer ze het "Buren-effect" (Interferentie) negeerden of de "Directe" en "Indirecte" verborgen gasten door elkaar haalden, waren hun schattingen van hoe de luchttemperatuur de temperatuur van het landoppervlak beïnvloedt, extreem verschillend en vaak onjuist.
De Winnaar: Het enige model dat een betrouwbaar antwoord gaf, was het model dat rekening hield met alle drie: het Buren-effect, de Directe Verborgen Gast en de Indirecte Verborgen Gast.

Samenvatting: Wat moet je onthouden?

Ga er niet vanuit dat buren niet met elkaar praten. In ruimtelijke data beïnvloedt wat er naast je gebeurt vaak ook jou. Dit negeren leidt tot slechte conclusies.
Smijt niet alle "verborgen factoren" op één hoop. Een verborgen factor die jouw directe omgeving beïnvloedt, is anders dan een factor die het gebied van je buurman beïnvloedt. Je moet ze scheiden om het juiste antwoord te krijgen.
Controleer de vorm van je data. Als je met "tel-data" (zoals Poisson) werkt en niet met een gladde klokcurve, werkt de standaard wiskunde voor het vinden van fouten niet.
Wees voorzichtig met je "burenkaart". De manier waarop je bepaalt wie een buur is, verandert je resultaten.

De essentie: Als je iets bestudeert dat op een kaart staat (weer, ziekte, criminaliteit, gewassen) en je negeert hoe locaties elkaar beïnvloeden of haalt verschillende soorten verborgen invloeden door elkaar, dan zijn je resultaten bevooroordeeld. Je denkt misschien dat een behandeling werkt terwijl dat niet zo is, of andersom. Om de waarheid te vinden, moet je al deze draden tegelijkertijd ontwarren.

Technische Samenvatting: Het ontrafelen van ruimtelijke interferentie en ruimtelijke confounding-biases in causale inferentie

Probleemstelling
De analyse van observationele ruimtelijke data staat voor twee kritieke uitdagingen die de precisie van causale schattingen in gevaar brengen: ruimtelijke interferentie en ruimtelijke confounding. Ruimtelijke interferentie treedt op wanneer de behandeling of blootstelling op de ene locatie het resultaat op een andere locatie beïnvloedt, wat de Stable Unit Treatment Value Assumption (SUTVA) schendt. Ruimtelijke confounding ontstaat wanneer niet-gemeten variabelen met een ruimtelijke structuur zowel de behandeling als de uitkomst beïnvloeden.

De literatuur kampt momenteel met aanzienlijke ambiguïteit met betrekking tot de definitie van ruimtelijke confounding, waarbij verschillende fenomenen zoals omitted variable bias, random effect collinearity en concurvity met elkaar worden verward. Bovendien vertrouwen bestaande methoden voor het kwantificeren van bias vaak op restrictieve aannames, specifiek dat behandelingen en confounders een normale verdeling volgen. Er is een opvallende leemte in de literatuur over de kwantificering van de bias veroorzaakt door indirecte ruimtelijke confounding (waarbij een niet-gemeten variabele op de ene locatie de uitkomsten op andere locaties beïnvloedt) en de gelijktijdige aanwezigheid van ruimtelijke interferentie en confounding. Daarnaast blijft de impact van niet-normale verdelingen (bijv. Poisson) op deze biases grotendeels onverkend.

Methodologie
De auteurs hanteren een rigoureuze analytische en simulatiegebaseerde aanpak om deze biases te ontrafelen:

Directed Acyclic Graph (DAG) Framework: Het artikel gebruikt DAG's om een conceptuele verheldering van ruimtelijke confounding te bieden. Het maakt onderscheid tussen:
- Causale ruimtelijke confounding: Waarbij een niet-gemeten ruimtelijke variabele $U$ zowel de behandeling $A$ als de uitkomst $Y$ causaal beïnvloedt (voldoet aan temporele volgorde).
- Niet-causale ruimtelijke associatie: Waarbij $U$ en $A$ geassocieerd zijn maar niet causaal verbonden zijn.
- Directe vs. Indirecte confounding: Directe confounding vindt plaats wanneer $U_i$ zowel $A_i$ als $Y_i$ beïnvloedt. Indirecte confounding vindt plaats wanneer $U_i$ zowel $A_j$ als/of $Y_j$ beïnvloedt (waarbij $i \neq j$ ), vaak gemedieerd door ruimtelijke interferentiemechanismen.
Analytische afleiding van bias:
- De auteurs leiden analytische expressies af voor bias onder verschillende modellen ( $M_1$ tot $M_6$ ), variërend van eenvoudige lineaire modellen tot modellen die ruimtelijke interferentie ( $\tilde{A}$ ), directe confounding ( $U$ ) en indirecte confounding ( $\tilde{U}$ ) bevatten.
- Ruimtelijke interferentie-bias: Afgeleid met behulp van Ordinary Least Squares (OLS) voor niet-ruimtelijke settings en Generalized Least Squares (GLS) voor ruimtelijke settings. De bias wordt getoond als een functie van de behandelingsverdeling, de sterkte van de interferentie ( $\beta_{\tilde{a}}$ ) en de ruimtelijke gewichtsmatrix ( $\Psi$ ).
- Niet-normale verdelingen: Het artikel verlicht de normaliteitsaanname door bias-expressies af te leiden voor Poisson-verdeling van behandelingen en confounders. Met behulp van eigenschappen van de som van onafhankelijke Poisson-variabelen leiden zij de conditionele verdeling van de confounder gegeven de behandeling af om de resulterende bias te kwantificeren.
- Indirecte confounding-bias: Analytische expressies worden afgeleid voor de bias geïnduceerd door indirecte ruimtelijke confounding ( $\beta_{\tilde{u}}$ ), waarbij wordt aangetoond dat dit onderscheidt van directe confounding-bias.
Simulatiestudies:
- Uitgebreide simulaties (1.000–10.000 iteraties) werden uitgevoerd om Root Mean Square Error (RMSE), bias en dekingskans te evalueren.
- Scenario's varieerden per:
  - Aanwezigheid/afwezigheid van interferentie en confounding (direct en indirect).
  - Verdelingen van behandeling en confounder (Normaal, Poisson, Binair).
  - Constructie van de gewichtsmatrix: k-Nearest Neighbors (k-NN) en afstand-gebaseerde gewichten.
  - Relatieve grootte van het effect van de behandeling versus de interferentie.
Toepassing op de echte wereld:
- Het framework werd toegepast op Manchester klimaatdata (januari 2018) bij de analyse van het effect van luchttemperatuur (behandeling) op landoppervlaktetemperatuur (uitkomst), met neerslag als confounder.
- Modellen werden gefit waarbij rekening werd gehouden met diverse combinaties van interferentie, directe en indirecte confounding om de schattingen te vergelijken.

Kernbijdragen

Conceptuele Verheldering: Het artikel biedt een nieuwe DAG-gebaseerde distinctie tussen causale ruimtelijke confounding en andere ruimtelijke associaties, en maakt expliciet onderscheid tussen directe en indirecte ruimtelijke confounding, die in de bestaande literatuur vaak als één fenomeen worden behandeld.
Kwantificering van Indirecte Bias: Dit is het eerste werk (voor zover bekend bij de auteurs) dat de bias geïnduceerd door specifiek indirecte ruimtelijke confounding en ruimtelijke interferentie analytisch afleidt en kwantificeert in de context van causale inferentie.
Verlichting van Distributionele Aannames: De studie leidt bias-expressies af voor Poisson-verdeling van behandelingen en confounders, en toont aan dat de magnitudes en tekens van de bias significant veranderen wanneer de normaliteitsaannames worden geschonden.
Gevoeligheid van de Gewichtsmatrix: De analyse laat zien dat de keuze van de ruimtelijke gewichten (k-NN versus afstand-gebaseerd) de magnitude van de bias cruciaal bepaalt. Zo neemt de bias bijvoorbeeld toe met het aantal buren in k-NN-schema's, maar neemt deze af met grotere afstandsdrempels in afstand-gebaseerde schema's.
Ontrafeling van Fenomenen: De studie bewijst dat het veronachtzamen van ruimtelijke interferentie, directe confounding of indirecte confounding leidt tot vertekende (biased) schattingen van het behandelingseffect, en dat deze drie fenomenen onderscheidend zijn en apart gemodelleerd moeten worden.

Resultaten

Interferentie-bias: Wanneer ruimtelijke interferentie aanwezig is maar niet wordt meegerekend, zijn de bias en RMSE het hoogst, en dalen de dekingskansen aanzienlijk. De bias is gevoelig voor de keuze van de gewichtsmatrix; k-NN-gewichten produceerden over het algemeen een hogere bias dan afstand-gebaseerde gewichten in niet-ruimtelijke settings, hoewel patronen varieerden in ruimtelijke settings.
Distributionele Impact: De magnitudes van de bias verschilden significant tussen de Normale, Poisson en Binaire verdelingen. Opvallend genoeg was de bias het hoogst voor Normale verdelingen en het laagst voor Binaire verdelingen in de simulaties, wat de aanname tegenspreekt dat bias invariant is voor de verdeling.
Directe vs. Indirecte Confounding: Simulatie-resultaten bevestigden dat directe en indirecte ruimtelijke confounding verschillende bias-profielen produceren. In sommige scenario's (bijv. bij gebruik van k-NN gewichten) leidde het corrigeren voor enkel directe confounding, terwijl indirecte confounding werd genegeerd, tot een hogere bias dan wanneer voor beide werd gecorrigeerd.
Toepassing op Werkelijke Data: In de Manchester klimaatstudie varieerden de schattingen aanzienlijk afhankelijk van welke fenomenen werden opgenomen. Het model dat rekening hield met alle drie (interferentie, directe en indirecte confounding) leverde de beste fit (laagste AIC) op, en de schattingen verschilden substantieel van modellen die een van de componenten negeerden.

Betekenis en Claims
De auteurs claimen dat hun werk een kritieke kloof in causale inferentie voor ruimtelijke data adresseert door:

Helderheid te verschaffen over misconcepties rondom ruimtelijke confounding via DAG's.
Aan te tonen dat indirecte ruimtelijke confounding een onderscheidbare bron van bias is die niet als identiek aan directe confounding kan worden beschouwd.
Aan te tonen dat standaard normaliteitsaannames onvoldoende zijn voor nauwkeurige bias-kwantificering, met name voor telgegevens (Poisson).
Vast te stellen dat de keuze van ruimtelijke gewichten en de verdeling van variabelen sleuteldeterminanten zijn van de magnitude van de bias.

Het artikel concludeert dat als ruimtelijke interferentie, directe confounding of indirecte confounding aanwezig zijn maar worden verwaarloosd, de resulterende schattingen van het behandelingseffect biased zullen zijn, wat leidt tot onbetrouwbare causale inferenties. De auteurs stellen een eenvoudig bias-correctie algoritme voor op basis van hun afgeleide analytische expressies voor ruimtelijke interferentie, hoewel zij erkennen dat een volledig parametrisch framework voor de simultane aanpassing van alle drie de fenomenen een onderwerp voor toekomstige ontwikkeling blijft.