×
科尔曼·汉弗莱;格罗斯，瑞恩;小号，迪伦·S。;谢恩·詹森（Shane T.Jensen）。

利用可预测性改善费城城市位置的匹配。 （英语） 兹比尔07789399

附录申请。斯达。 17，第3号，2659-2679（2023）.
摘要：受城市规划和犯罪学理论的启发，我们使用高分辨率数据调查费城犯罪与建成环境之间的关系。我们开发了一个新颖且灵活的匹配框架，该框架使用匹配对中处理变量的可预测性，以经验方式告知匹配中协变量的差异权重以及要创建的匹配对数量的选择。我们使用这个匹配框架进行了一系列比较，每个比较都涉及到在一组协变量上高度相似但在建成环境的单个方面限制不同的匹配对费城十字路口。我们基于可预测性的匹配框架包括数据驱动的关于协变量差分加权和要创建的匹配对数量的决策，这在我们的环境中是有益的，因为我们的城市比较涉及大量潜在交叉口和要平衡的大量协变量。在这些比较中，我们发现犯罪与建筑环境的不同方面之间的关系存在着巨大的异质性，也为历史理论提供了一些实证支持。

MSC公司：

62件 统计学的应用

关键词：

罪行;匹配;可预测性;城市数据

软件：

遇见;余额检查;nbp匹配;XGBoost公司;磁盘操作系统;匹配
PDF格式BibTeX公司 XML格式引用
\textit{C.Humphrey}等人，Ann.Appl。Stat.17，No.3，2659--2679（2023；Zbl 07789399）
全文： DOI程序

参考文献：

[1] BRANAS，C.C.、CHENEY，R.A.、MACDONALD，J.M.、TAM，V.W.、JACKSON，T.D.和HAVE，T.R.T.（2011）。健康、安全和绿化空置城市空间的差异化分析。阿米尔。《流行病学杂志》。174 1296-1306.
[2] Brier，G.W.（1950）。验证以概率表示的预测。周一。天气评论78 1-3。
[3] Bühlmann，P.（2006）。推动高维线性模型。安。统计师。34 559-583. 数字对象标识符：10.1214/00905360000000002谷歌学者：查找链接数学科学网：MR2281878·Zbl 1095.62077号 ·doi:10.1214/009053600000092
[4] BUJA，A.、STUETZLE，W.和SHEN，Y.（2005）。二元类概率估计和分类的损失函数：结构和应用。工作草案，11月3日。
[5] CHEN，H.和SMALL，D.S.（2022年）。用于评估配对观察研究中协变量平衡的新多元检验。生物计量学78 202-213. 数字对象标识符：10.1111/biom.13395谷歌学者：查找链接数学科学网：MR4408581·Zbl 1520.62160号 ·doi:10.111/生物量13395
[6] Chen，T.和Guestrin，C.（2016）。Xgboost：一个可扩展的树增强系统。第22届Acm Sigkdd知识发现和数据挖掘国际会议论文集785-794。纽约ACM。
[7] COLEMAN，C.和MOYNIHAN，J.（1996）。《了解犯罪数据：被黑暗人物所困扰》，梅登黑德开放大学出版社。
[8] COZENS，P.M.、SAVILLE，G.和HILLIER，D.（2005）。通过环境设计预防犯罪（CPTED）：综述和现代参考书目。道具。管理。23 328-356.
[9] CUI，J.、JENSEN，S.T.和MACDONALD，J.（2022）。空地绿化的影响以及土地使用和商业存在对犯罪的影响。环境。计划。B： 城市分析。城市科学。49 1147-1158.
[10] DESHPANDE，S.K.、HASEGAWA，R.B.、RABINOWITZ，A.R.、WHYTE，J.、ROAN，C.L.、TABATABAEI，A.、BAIOCCHI，M.、KARLAWISH，J.H.、MASTER，C.L等人（2017年）。高中足球比赛与后期认知和心理健康的关系。美国医学会杂志Neurol。74 909-918. 数字对象标识符：10.1001/jamaneuro.2017.1317谷歌学者：查找链接·doi:10.1001/jamaneurol.2017.1317
[11] GAGNON-BARTSCH，J.和SHEM-TOV，Y.（2019年）。分类排列测试：在观察性研究中测试协变量不平衡的灵活方法。附录申请。统计13 1464-1483。数字对象标识符：10.1214/19-AOAS1241谷歌学者：查找链接MathSciNet:MR4019146 zbMATH:1434.62061·Zbl 1434.62061号 ·doi:10.1214/19-AOAS1241
[12] GU，X.和ROSENBAUM，P.R.（1993）。多元匹配方法的比较：结构、距离和算法。J.计算。图表。统计人员。2 405-420.
[13] GURM，H.S.、HOSMAN，C.、SHARE，D.、MOSCUCCI，M.和HANSEN，B.B.（2013）。经皮冠状动脉介入治疗患者中血管闭合装置和手动闭合的安全性比较。Ann.实习生。医学159 660-666。
[14] HELLER，R.、ROSENBAUM，P.R.和SMALL，D.S.（2010年）。使用交叉匹配测试评估配对中的协变量平衡。阿米尔。统计人员。64 299-309. 数字对象标识符：10.1198/tast.2010.09210谷歌学者：查找链接数学科学网：MR2758561·doi:10.1198/tast.2010.09210
[15] HUMPHREY，C.、GROSS，R.、SMALL，D.和JENSEN，S.T.（2023年）。补充“利用可预测性改善费城城市位置匹配”https://doi.org/10.1214/23-AOAS1739SUPA网站, https://doi.org/10.1214/23-AOAS1739SUPPB
[16] JACOBS，J.（1961年）。美国伟大城市的死亡与生命。纽约兰登书屋。
[17] 杰弗里·C·R（1871）。通过环境设计预防犯罪。Sage出版社，比佛利山庄。
[18] LAI，S.B.S.、SHAHRI，N.H.N.B.M.、MOHAMAD，M.B.、RAHMAN，H.A.A.和RAMBLI，A.B.（2021年）。比较AdaBoost、XGBoost和logistic回归对不平衡数据的性能。数学。《美国联邦法律大全》第9卷第379-385页。
[19] Lee，B.K.，Lessler，J.和Stuart，E.A.（2010年）。使用机器学习改进倾向得分权重。Stat.Med.29 337-346.统计医学。数字对象标识符：10.1002/sim.3782谷歌学者：查找链接数学科学网：MR2750549·doi:10.1002/sim.3782
[20] LOHR，S.L.（2019）。衡量犯罪：统计背后。CRC出版社，佛罗里达州博卡拉顿。
[21] LU，B.、GREEVY，R.、XU，X.和BECK，C.（2011年）。最优非二部匹配及其统计应用。阿米尔。统计人员。65 21-30. 数字对象标识符：10.1198/tast.2011.08294谷歌学者：查找链接数学科学网：MR2899649·doi:10.1198/tast.2011.08294
[22] MACDONALD，J.（2015）。社区设计与犯罪：住房和建筑环境的影响。刑事司法44 333-383。
[23] MACDONALD，J.、BRANAS，C.和STOKES，R.（2019年）。变化的地方：新城市规划的科学与艺术。普林斯顿大学出版社，普林斯顿。
[24] MAHALANOBIS，P.C.（1936年）。关于统计学中的广义距离。程序。国家。科学研究所。印度2 49-55·Zbl 0015.03302号
[25] NEWMAN，O.（1972年）。防御性空间：通过城市设计预防犯罪。麦克米利安，纽约。
[26] PAPADIMITRIOU，C.H.和STEIGLITZ，K.（1998年）。组合优化：算法和复杂性。纽约州米诺拉市多佛。数学科学网：MR1637890·Zbl 0944.90066号
[27] 罗森巴姆，P.R.（1989）。观察性研究的最佳匹配。J.Amer。统计人员。协会84 1024-1032。
[28] 罗森巴姆，P.R.（2005）。一个精确的无分布检验，比较两个基于邻接的多变量分布。J.R.统计社会服务。B.统计方法。67 515-530. 数字对象标识符：10.1111/j.1467-9868.200510513.x谷歌学者：查找链接数学科学网：MR2168202·Zbl 1095.62053号 ·数字对象标识代码：10.1111/j.1467-9868.2005.00513.x
[29] 罗森巴姆，P.R.（2010）。观察研究设计。统计学中的斯普林格系列。纽约州施普林格。数字对象标识符：10.1007/978-1-4419-1213-8谷歌学者：查找链接数学科学网：MR2561612·Zbl 1308.62005号 ·doi:10.1007/978-1-4419-1213-8
[30] 罗森巴姆，P.R.（2012）。观察性研究中最佳选择子集的最佳匹配。J.计算。图表。统计人员。21 57-71. 数字对象标识符：10.1198/jcgs.2011.09219谷歌学者：查找链接数学科学网：MR2913356·doi:10.1198/jcgs.2011.09219
[31] Rosenbaum，P.R.和Rubin，D.B.（1983年）。倾向评分在因果效应观察性研究中的中心作用。生物特征70 41-55. 数字对象标识符：10.1093/biomet/70.1.41谷歌学者：查找链接MathSciNet:MR0742974 MathSclNet:MR742974·Zbl 0522.62091号 ·doi:10.1093/biomet/70.1.41
[32] Rosenbaum，P.R.和Rubin，D.B.（1985年）。使用包含倾向得分的多元匹配抽样方法构建对照组。阿米尔。统计人员。39 33-38.
[33] RUBIN，D.B.（1973）。匹配以消除观察研究中的偏差。生物计量学29 159-184.
[34] SEKHON，J.S.（2011年）。具有自动平衡优化的多元和倾向评分匹配软件：R的匹配包。
[35] SILBER，J.H.，ROSENBAUM，P.R.，MCHUGH，M.D.，LUDWIG，J.M.，SMITH，H.L.，NIKNAM，B.A.，EVEN-SHOSHAN，O.，FLEISHER，L.A.，KELZ，R.R.等人（2016年）。比较不同患者风险水平的医院护理工作环境的价值。JAMA外科，151 527-536。
[36] Stuart，E.A.（2010年）。因果推理的匹配方法：回顾与展望。统计人员。科学。25 1-21. 数字对象标识符：10.1214/09-STS313谷歌学者：查找链接数学科学网：MR2741812·兹比尔1328.62007 ·doi:10.1214/09-STS313
[37] TAYLOR，R.B.（1988年）。人类地域功能。剑桥大学出版社，剑桥。
[38] TU，C.（2019）。估计广义倾向得分的各种机器学习算法的比较。J.统计计算。模拟。89 708-719. 数字对象标识符：10.1080/00949655.2019.1571059谷歌学者：查找链接数学科学网：MR3904596·Zbl 07193748号 ·doi:10.1080/00949655.2019.1571059
[39] Westreich，D.、Lessler，J.和Funk，M.J.（2010年）。倾向得分估计：神经网络、支持向量机、决策树（CART）和元分类器作为逻辑回归的替代方法。临床杂志。流行病。63 826-833.
[40] 威尔科特斯·P和库伦·F·T（2018）。犯罪的情境机会理论。每年。修订版克里米诺。1 123-148.
[41] WILSON，J.Q.和KELLING，G.L.（1982）。破碎的窗户：警察和邻里安全。亚特兰大。周一。29 29-38.
[42] YU，R.（2021）。评估并改进抗抑郁药与骨密度的匹配比较。生物计量学77 1276-1288. 数字对象标识符：10.1111/biom.13374谷歌学者：查找链接数学科学网：MR4357837·Zbl 1520.62393号 ·doi:10.1111/biom.13374
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。