[論文レビュー] On the smallest eigenvalues of covariance matrices of multivariate spatial processes

François Bachoc, Reinhard Furrer|arXiv (Cornell University)|Feb 9, 2016

Spatial and Panel Data Analysis参考文献 13被引用数 13

ひとこと要約

本稿では、共変動関数の弱い正則性条件と観測点間の距離の均一な下限が満たされる場合、多次元空間過程の共分散行列の最小固有値が漸近的にゼロから離れていることを確立する。この結果により、共分散行列の漸近的正定値性が保証され、多次元空間統計における最尤推定量の一致性および漸近正規性に不可欠となる。

ABSTRACT

There has been a growing interest in providing models for multivariate spatial processes. A majority of these models specify a parametric matrix covariance function. Based on observations, the parameters are estimated by maximum likelihood or variants thereof. While the asymptotic properties of maximum likelihood estimators for univariate spatial processes have been analyzed in detail, maximum likelihood estimators for multivariate spatial processes have not received their deserved attention yet. In this article we consider the classical increasing-domain asymptotic setting restricting the minimum distance between the locations. Then, one of the main components to be studied from a theoretical point of view is the asymptotic positive definiteness of the underlying covariance matrix. Based on very weak assumptions on the matrix covariance function we show that the smallest eigenvalue of the covariance matrix is asymptotically bounded away from zero. Several practical implications are discussed as well.

研究の動機と目的

• 標本サイズが増加する際、多次元空間過程の共分散行列の最小固有値がゼロから離れている理論的条件を確立すること。
• 一変量の増加ドメイン漸近的結果を、条件がまだ明確でない多次元設定に拡張すること。
• 多次元空間モデルにおける最尤推定量の漸近的性質の厳密な基礎を提供すること。
• 最小固有値に一様な下限を示すことで、尤度に基づく推論枠組みの逆行列可能性和適切な定式化を保証すること。
• スペクトル理論と行列値共分散関数におけるフーリエ解析を用いて、既存の一変量結果を多次元過程へ一般化すること。

提案手法

• 共分散行列の固有構造を分析するために、行列共分散関数のスペクトル表現とフーリエ解析を用いる。
• 正定値行列の性質と複素行列理論を適用し、最小固有値の境界を導出する。
• 共分散関数に弱い減衰条件（仮定1）を課す。具体的には、ある $\tau > 0$ に対して $|c_{k ho}({\mathbf{x}})| \leq A / (1 + |{\mathbf{x}}|^{d+\tau})$ を満たすものとする。
• 観測点間の最小距離がゼロから離れており、スペクトル密度が正に保たれるならば、最小固有値がゼロから離れていることを示す。
• コンactパラメータ空間上で一様な下限を示すことで、パラメトリックな共分散関数族への拡張を実現する。
• シュール積の性質を用いて、トレイピング共分散行列への結果の拡張を図り、実用的実装におけるロバストネスを保証する。

実験結果

リサーチクエスチョン

• RQ1 増加ドメイン漸近的枠組みにおいて、多次元空間過程の共分散行列の最小固有値がゼロから離れる条件は何か？
• RQ2 行列共分散関数に弱い正則性条件が課された場合、共分散行列の漸近的正定値性を保証できるか？
• RQ3 コンパクトなパラメトリック共分散モデルの族全体にわたり、最小固有値が一様にゼロから離れているか？
• RQ4 行列共分散関数のスペクトル的性質は、標本共分散行列の固有値行動にどのように影響するか？
• RQ5 最小固有値がゼロから離れていることを保証することで、多次元空間モデルにおける最尤推定の理論的基盤を強化できるか？

主な発見

• 仮定1（共分散関数の多項式的減衰）と観測点間距離の均一な下限が満たされる場合、すべての $k$ に対して $n_k \to \infty$ のとき、共分散行列の最小固有値がゼロから離れている。
• この結果は、重複点を含む場合と含まない場合の両方の観測設計に適用可能であり、従来の一変量結果を多次元へ拡張する。
• 最小固有値の下限はコンパクトなパラメータ空間上で一様であるため、パラメトリック推論におけるロバストネスが保証される。
• 証明はスペクトル理論と行列値関数のフーリエ解析に依拠しており、複素行列の道具を用いて固有値の境界を確立する。
• この結果により、共分散行列が漸近的に正定値のままであることが示され、最尤推定量の一貫性および漸近正規性に不可欠な条件が満たされる。
• この枠組みは、最小固有値が元の行列の最小固有値に等しい最小対角成分を乗じたもので下から抑えられるため、トレイピング共分散行列にも適用可能である。