[論文レビュー] Comparing air quality statistical models

Michela Cameletti, Rosaria Ignaccolo+1 more|arXiv (Cornell University)|Nov 8, 2010

Air Quality Monitoring and Forecasting参考文献 32被引用数 7

ひとこと要約

本稿は、大気質評価における階層的時空間モデルを比較する包括的で基準に基づくフレームワークを提案する。適合度、計算コスト、予測性能の観点に重点を置いている。イタリア・ピエモンテ地域のPM10データ（2005–2006年）を用いて、計算リソースが限られる状況では、複雑な階層的構造を持つモデルが、複雑な共分散関数を持つモデルを上回ることを明らかにした。

ABSTRACT

Air pollution is a great concern because of its impact on human health and on the environment. Statistical models play an important role in improving knowledge of this complex spatio-temporal phenomenon and in supporting public agencies and policy makers. We focus on the class of hierarchical models that provides a flexible framework for incorporating spatio-temporal interactions at different hierarchical levels. The challenge is to choose a model that is satisfactory in terms of goodness of fit, interpretability, parsimoniousness, prediction capability and computational costs. In order to support this choice, we propose a comparison approach based on a set of criteria summarized in a table that can be easily communicated to non-statisticians. Our proposal - simple in principle but articulated in practice - holds true for many environmental phenomena where a hierarchical structure is suitable, a large-scale trend is included and a spatio-temporal covariance function has to be chosen. We illustrate the details of our proposal through a case study concerning particulate matter concentrations in Piemonte region (Italy) during the cold season October 2005-March 2006. From the evaluation of the proposed criteria for our case study we draw some conclusions. First, a model with a complex hierarchical structure is globally preferable to one with a complex spatio-temporal covariance function. Moreover, in the absence of suitable computational resources, a model simple in structure and with a simple covariance function can be chosen, since it shows good prediction performance at reasonable computational costs.

研究の動機と目的

• 環境庁が大気質監視および政策立案のための最適な統計モデルを選定するのを支援すること。
• 複雑な階層的構造を持つモデルと複雑な時空間共分散関数を持つモデルの間で選択を迫られる課題に対処すること。
• 統計学者でない者（政策立案者や環境専門家など）にも理解可能で、透明性のある比較フレームワークを開発すること。
• 予測精度、モデルの簡潔さ、計算効率、解釈可能性の複数の次元でモデルのパフォーマンスを評価すること。
• PM10にとどまらず、他の環境的時空間現象に対しても適用可能な移転可能な手法を提供すること。

提案手法

• 内在的複雑さ、計算コスト、予測能力を統合した多基準比較フレームワークを提案する。
• 平均二乗予測誤差や平均化された推定誤差といった予測性能インデックスを用いてモデルを評価する。
• 大規模なトレンド成分と残差時空間過程を含む階層ベイズモデルアプローチを採用する。
• 異なる階層的構造を持つモデルを比較する：(A) 漸増する複雑さを示す単純な共分散関数（i.i.d.、分離可能、非分離可能）、(B) 空間的およびAR(1)時系列過程の和、(C) 時間的にAR(1)で進化する空間過程。
• 非専門家への伝達を容易にするために、構造化された表（表6）を用いて基準を要約する。
• 尤度に基づく推論と条件付きモデリングを用い、条件付き分布の積を通じて連合時空間分布を扱う。

実験結果

リサーチクエスチョン

• RQ1 複雑な階層的構造か、複雑な時空間共分散関数のどちらのモデル構造が、PM10予測においてより優れた総合的パフォーマンスを発揮するか？
• RQ2 モデルの複雑さに伴い計算コストはどのように変化するのか？パフォーマンスと実行可能性の間にはどのようなトレードオフがあるか？
• RQ3 基本的な共分散関数を備えた単純なモデルが、予測精度において複雑なモデルを上回り、かつ計算効率も維持できるか？
• RQ4 環境政策における非統計的専門家に効果的に伝達可能な、モデル比較基準を標準化できる程度はどの程度か？
• RQ5 モデルの選択が、リスク評価や規制適合性のための空間濃度マップの信頼性にどのように影響を与えるか？

主な発見

• 複雑な階層的構造を持つモデル（モデルC）が最も優れた予測パフォーマンスを示し、評価で3つ星を獲得した。これは優れた総合的性能を示している。
• 非分離的時空間共分散関数が複雑なモデル（A3-1およびA3-2）は、その予測の向上に比べて計算コストが著しく高くなり、実用的でないことが判明した。
• 分離可能なAR(1)モデル（B）は、モデルA1と同等の予測性能を示したが、はるかに長い計算時間を要した。
• 分離可能な共分散関数を持つモデルA2は、予測性能が悪く、1つ星に留まったため、使用を見送られた。
• i.i.d.時系列構造を持つモデルA1は、十分な性能を示したが、モデルCに劣っており、わずかな追加計算コストで顕著なパフォーマンス向上が得られた。
• 本研究の結論として、与えられたデータセットと条件下では、計算リソースが制限される状況において、複雑な共分散関数よりも複雑な階層的構造が全体的に望ましいと結論づけた。