[論文レビュー] A Moran coefficient-based mixed effects approach to investigate spatially varying relationships

Daisuke Murakami, Takahiro Yoshida+3 more|arXiv (Cornell University)|Jun 22, 2016

Spatial and Panel Data Analysis参考文献 50被引用数 4

ひとこと要約

本稿では、混合効果フレームワークにモーランの係数を統合することで、解釈可能で滑らかに変化する係数を有する、空間的に変化する係数モデルを提案する。各予測子ごとに異なる空間的滑らかさを実現でき、従来の固有ベクトル空間フィルタリング（ESF）および地理加重回帰（GWR）と比較して、推定精度と計算効率に優れる。モンテカルロシミュレーションおよび日本の洪水リスクヘディニック価格設定応用を通じて妥当性が検証された。

ABSTRACT

This study develops a spatially varying coefficient model by extending the random effects eigenvector spatial filtering model. The developed model has the following properties: its coefficients are interpretable in terms of the Moran coefficient; each of its coefficients can have a different degree of spatial smoothness; and it yields a variant of a Bayesian spatially varying coefficient model. Also, parameter estimation of the model can be executed with a relatively small computationally burden. Results of a Monte Carlo simulation reveal that our model outperforms a conventional eigenvector spatial filtering (ESF) model and geographically weighted regression (GWR) models in terms of the accuracy of the coefficient estimates and computational time. We empirically apply our model to the hedonic land price analysis of flood risk in Japan.

研究の動機と目的

• 各予測子ごとに異なる空間的依存度を有する、解釈可能な空間的滑らかさを持つ空間的に変化する係数推定を可能にする空間的に変化する係数モデルの開発。
• 地理加重回帰（GWR）や固有ベクトル空間フィルタリング（ESF）といった既存モデルの限界、特に計算負荷の高さと空間的効果の解釈可能性の欠如を是正すること。
• モーラン係数を空間自己相関の測定として直接モデルの係数構造に統合し、解釈性を向上させること。
• 大規模な空間データセットに適した計算コストが低い手法を用いて、効率的なパラメータ推定を可能にすること。

提案手法

• 空間重み行列から導出される固有ベクトルを用いて、各予測子の係数を線形結合としてモデル化する混合効果構造を備えた、ランダム効果固有ベクトル空間フィルタリング（RESF）フレームワークの拡張。
• 各予測子の係数は、空間重み行列から得られる固有ベクトルの線形結合としてモデル化され、混合効果モデルフレームワークを用いて推定される。
• モーラン係数は、各係数の空間的依存構造を解釈するために用いられ、モデルのパラメータとグローバルな空間自己相関を結びつける。
• 各予測子の空間的変動効果に固有の分散成分を割り当てることで、係数ごとに異なる空間的滑らかさを実現可能。
• 制限付き最大尤度法（REML）を用いてパラメータ推定が行われ、フルベイズ的手法に比べて計算コストを低減。
• マルコフ連鎖モンテカルロ（MCMC）サンプリングを必要とせず、ベイズ的空間的変動係数モデルに類似した効率的かつ解釈可能なモデルが得られる。

実験結果

リサーチクエスチョン

• RQ1 空間的自己相関の測定としてのモーラン係数を用いることで、解釈可能な空間的滑らかさを保ちつつ、空間的に変化する係数をどのようにモデル化できるか。
• RQ2 混合効果フレームワークは、GWRおよびESFと比較して、空間的に変化する係数モデルの推定精度と計算効率をどのように向上させられるか。
• RQ3 1つのモデル内で、異なる予測子にそれぞれ異なる空間的滑らかさを割り当てることは、どの程度可能か。
• RQ4 空間的依存構造が異なる条件下で、提案モデルの係数推定精度と計算時間はどのように評価されるか。

主な発見

• 提案モデルは、すべてのシミュレーション状況において、従来の固有ベクトル空間フィルタリング（ESF）および地理加重回帰（GWR）を著しく上回る係数推定精度を達成した。
• GWRに比べて著しく低い計算時間を達成し、ESFと同等またはより優れた性能を示したため、大規模空間データに適している。
• モデル内の各係数は、空間的滑らかさの度合いが異なり、異質な空間的プロセスの柔軟なモデル化を可能にした。
• モーラン係数は、各係数の空間的構造とグローバルな空間自己相関の間の直接的な解釈的リンクを提供し、モデルの透明性を向上させた。
• 日本の洪水リスクヘディニック土地価格設定への実証的応用により、モデルが洪水リスクが不動産価格に与える空間的非一様効果を的確に捉えられることを確認した。
• シミュレーションの繰り返しにおいて、モデルのパラメータ推定値は安定的かつ一貫しており、有限標本における頑健性を示した。