[論文レビュー] Balancing spatial and non-spatial variation in varying coefficient modeling: a remedy for spurious correlation

Daisuke Murakami, Daniel A. Griffith|arXiv (Cornell University)|May 20, 2020

Spatial and Panel Data Analysis参考文献 35被引用数 6

ひとこと要約

本稿では、空間的および非空間的変動を同時にバランスさせる新しい空間可変係数モデル（S&NVC）を提案する。この手法はモーラン固有ベクトルに基づくアプローチを用い、従来の空間可変係数モデルでよく見られる係数間の誤った相関を効果的に低減する。シミュレーションおよび実世界の土地価格データ分析を通じて、モデルの精度と計算効率が向上することが示された。

ABSTRACT

This study discusses the importance of balancing spatial and non-spatial variation in spatial regression modeling. Unlike spatially varying coefficients (SVC) modeling, which is popular in spatial statistics, non-spatially varying coefficients (NVC) modeling has largely been unexplored in spatial fields. Nevertheless, as we will explain, consideration of non-spatial variation is needed not only to improve model accuracy but also to reduce spurious correlation among varying coefficients, which is a major problem in SVC modeling. We consider a Moran eigenvector approach modeling spatially and non-spatially varying coefficients (S&NVC). A Monte Carlo simulation experiment comparing our S&NVC model with existing SVC models suggests both modeling accuracy and computational efficiency for our approach. Beyond that, somewhat surprisingly, our approach identifies true and spurious correlations among coefficients nearly perfectly, even when usual SVC models suffer from severe spurious correlations. It implies that S&NVC model should be used even when the analysis purpose is modeling SVCs. Finally, our S&NVC model is employed to analyze a residential land price dataset. Its results suggest existence of both spatial and non-spatial variation in regression coefficients in practice. The S&NVC model is now implemented in the R package spmoran.

研究の動機と目的

• 空間回帰モデリングにおける空間可変係数間の誤った相関という、長年の問題に対処すること。
• 空間統計においてしばしば無視されがちな非空間的変動が、モデルの信頼性向上に重要な役割を果たすことを示すこと。
• 空間的および非空間的変動を明示的に組み込んだ統合的モデリングフレームワークを構築すること。
• 提案手法の精度および計算効率の観点から、既存の空間可変係数（SVC）モデルと比較しての性能を評価すること。
• 特に困難な条件下でも、係数関係における真の相関と誤った相関を的確に区別できるか、モデルの能力を検証すること。

提案手法

• 空間依存性を直交する空間的構造成分に分解するため、モーラン固有ベクトル空間フィルタリング（MESF）手法を採用する。
• 空間可変係数（SVC）と非空間可変係数（NVC）の両方を含む二重構成モデルを、統合的な回帰フレームワークに組み込む。
• 空間重み行列から導出された固有ベクトルを用いて空間的変動を表現し、非空間的変動は空間構造によって説明されない残差成分によってモデル化する。
• モデルの適合度と複雑さのトレードオフを調整するため、罰則付き尤度または正則化手法を用いて係数を推定する。
• 実用的応用および再現可能性を考慮し、Rパッケージ spmoran に実装を実施する。
• 制御された条件下で、非空間的変動の有無を比較するモンテカルロシミュレーションを実施する。

実験結果

リサーチクエスチョン

• RQ1 可変係数モデルに非空間的変動を組み込むことで、係数間の誤った相関はどの程度低減されるか？
• RQ2 S&NVCモデルは、従来のSVCモデルと比較して、推定精度および計算効率において優れているか？
• RQ3 S&NVCモデルは、係数関係における真の相関と誤った相関を信頼性高く区別できるか？
• RQ4 実世界の空間データにおいて、空間的および非空間的変動の両方が実際に存在する証拠は何か？
• RQ5 非空間的変動の組み込みにより、実用的応用におけるモデルの適合度と解釈可能性が向上するか？

主な発見

• S&NVCモデルは、従来のSVCモデルが深刻な誤った相関を示す状況下でも、可変係数間の誤った相関を顕著に低減することが分かった。
• モンテカルロシミュレーションの結果、S&NVCモデルは既存のSVCモデルよりも高い推定精度と優れた計算効率を達成した。
• モデルは、係数間の真の相関と誤った相関を高い精度で同定でき、標準的なSVCアプローチを上回る性能を示した。
• 住宅土地価格データセットの実証的分析により、回帰係数に空間的および非空間的変動の両方が存在することが確認された。
• S&NVCモデルは、実世界の応用においても頑健性と信頼性を示し、空間可変係数をモデル化することが主な目的であっても、その採用を支持するものである。
• Rパッケージ spmoran への実装により、広範な利用と標準的な空間統計ワークフローへの統合が可能になった。