[論文レビュー] On identifiability and consistency of the nugget in Gaussian spatial process models

Wenpin Tang, Lu Zhang+1 more|arXiv (Cornell University)|Aug 15, 2019

Soil Geostatistics and Mapping参考文献 35被引用数 18

ひとこと要約

この論文は、インフィル漸近的条件下におけるガウス空間過程モデルにおけるノギットパラメータの同定可能性と一致性を確立し、不連続性を伴うノギットが存在する場合でも、微小エルゴード的パラメータ対 (σ²φ²ν, τ²) の最尤推定値（MLE）が一貫的かつ漸近的に正規分布に従うことを示している。先行研究のノギットなしのマテルンモデルへの拡張であり、収束速度が次元と滑らかさに依存することを示しており、シミュレーション研究によりノギット推定の空間補間精度への影響が確認されている。

ABSTRACT

Spatial process models popular in geostatistics often represent the observed data as the sum of a smooth underlying process and white noise. The variation in the white noise is attributed to measurement error, or micro-scale variability, and is called the "nugget". We formally establish results on the identifiability and consistency of the nugget in spatial models based upon the Gaussian process within the framework of in-fill asymptotics, i.e. the sample size increases within a sampling domain that is bounded. Our work extends results in fixed domain asymptotics for spatial models without the nugget. More specifically, we establish the identifiability of parameters in the Mat\'ern covariance function and the consistency of their maximum likelihood estimators in the presence of discontinuities due to the nugget. We also present simulation studies to demonstrate the role of the identifiable quantities in spatial interpolation.

研究の動機と目的

• インフィル漸近的条件下におけるガウス空間過程モデルにおけるノギットパラメータの同定可能性と一貫性を形式的に確立すること。
• 未知のノギット効果を含む設定にまで、マテルンモデルにおける微小エルゴード的パラメータ推定に関する既存の結果を拡張すること。
• ノギットの存在が、特に収束速度に与える影響を、最尤推定値の漸近的性質にどのように変化させるかを調査すること。
• シミュレーション研究を通じて、ノギット推定が空間補間性能に与える影響を評価すること。
• 特に範囲パラメータのモデル不適合を想定した状況下での、ノギットを含むベイズ推論の理論的基盤を提供すること。

提案手法

• 著者らは、i.i.d. のガウス白色ノイズ（ノギット）を加えたマテルン共分散モデルを分析し、観測データを y(s) = w(s) + ϵ(s) としてモデル化している。ここで w(s) はゼロ平均のstationaryなガウス過程で、マテルン共分散をもち、ϵ(s) は独立な白色ノイズである。
• 次元 d ≤ 3 の場合、インフィル漸近的条件下で、微小エルゴード的パラメータ対 (σ²φ²ν, τ²) のみが同定可能かつ一貫して推定可能であると特定している。
• 理論的分析は、共分散作用素のスペクトル的性質と固有値推定に依存しており、サンプリング密度の増加に伴う固有値の振る舞いに関する重要な仮定を設けている。
• 著者らは、微小エルゴード的パラメータの最尤推定値の漸近的分布を導出し、標準的な n^(1/2) の収束速度ではなく、n^(1/(2+4ν/d)) の収束速度を示している。
• MCMC推論をcmdstanrを用いて実施したシミュレーション研究を行い、事後分布の収束性はR-hatと有効サンプルサイズによって評価した。
• 本研究では、さまざまなサンプリング設計および範囲パラメータの不適合状況下での事後推論を評価し、特にノギットおよび微小エルゴード的パラメータ推定値におけるバイアスと分散を分析した。

実験結果

リサーチクエスチョン

• RQ1 範囲 φ が未知である場合、インフィル漸近的条件下でマテルンガウス過程モデルにおけるノギットパラメータ τ² は一貫して推定可能か？
• RQ2 ノギットの存在が、ノギットなしのケースと比較して、微小エルゴード的パラメータの最尤推定値の収束速度にどのように影響するか？
• RQ3 ベイズ空間モデルにおける範囲パラメータの不適合が、ノギットおよび微小エルゴード的パラメータの事後推論に与える影響は何か？
• RQ4 ノギットが存在する状況下でも、微小エルゴード的パラメータ (σ²φ²ν, τ²) の最尤推定値は漸近的に正規分布に従うか？
• RQ5 有限標本設定下での空間予測および補間精度に、ノギット推定はどのように影響を与えるか？

主な発見

• 次元 d ≤ 3 の場合、インフィル漸近的条件下で微小エルゴード的パラメータ対 (σ²φ²ν, τ²) は同定可能かつ一貫して推定可能である。
• 微小エルゴード的パラメータの最尤推定値は、滑らかさ ν と次元 d に依存する収束速度 n^(1/(2+4ν/d)) を示し、漸近的に正規分布に従う。
• シミュレーション結果から、標本サイズ n が増加するにつれて、τ² および微小エルゴード的パラメータ κ = σ²φ²ν の事後分布が真値の周囲により集中することが示された。
• 範囲パラメータ φ が不適合している場合——特に φ が大きすぎる（例：5φ₀）場合——空間相関がほとんどなくなるため、τ² の事後推論は著しくバイアスを示した。
• 有効空間範囲がドメインサイズに比べて小さい場合、ノギット τ² は部分偏り σ² と混同されるため、正確に推定されにくくなる。
• φ が不明または不適合している場合、κ に対して比べて τ² の事後推論はより安定しており、モデル不確実性下でもノギットはより一貫して推定可能であると考えられる。