[論文レビュー] Spatial Cox processes in an infinite-dimensional framework

M. P. Frías, A. Torres-Signes+2 more|arXiv (Cornell University)|Nov 27, 2018

Spatial and Panel Data Analysis参考文献 30被引用数 4

ひとこと要約

本稿は、ヒルバート空間値の対数強度によって駆動される空間 Cox プロセスの新しいクラスを導入し、空間点パターンの関数データ解析を可能にする。周期的自己相関関数に基づく Whittle 型スペクトル推定法を提案し、線形空間自己回帰ヒルバート型モデルにおけるパrametric推定量の強一様性を証明し、イベリア半島（1980–2015）における呼吸器疾患死亡率の予測に応用する。

ABSTRACT

We introduce a new class of spatial Cox processes driven by a Hilbert--valued random log--intensity. We adopt a parametric framework in the spectral domain, to estimate its spatial functional correlation structure. Specifically, we consider a spectral functional, based on the periodogram operator, inspired on Whittle estimation methodology. Strong-consistency of the parametric estimator is proved in the linear case. We illustrate this property in a simulation study under a Gaussian first order Spatial Autoregressive Hilbertian scenario for the log--intensity model. Our method is applied to the spatial functional prediction of respiratory disease mortality in the Spanish Iberian Peninsula, in the period 1980--2015.

研究の動機と目的

• 無限次元（ヒルバート空間値）の対数強度確率場によって駆動される空間 Cox プロセスの新しいクラスを開発すること。
• 関数的空間点過程のためのパrametric推定手法におけるギャップを埋めるために、周波数領域へのアプローチを導入すること。
• 線形空間自己回帰ヒルバート型フレームワークにおいて、周期的自己相関関数に基づく推定量の強一様性を確立すること。
• 提案手法を、具体的にはスペイン（1980–2015）における呼吸器疾患死亡率を対象とした、実世界の空間関数的データに応用すること。

提案手法

• 空間 Cox プロセスの対数強度をヒルバート空間値の確率過程としてモデル化し、空間点パターンの関数的データ解析を可能にする。
• 時間系列における Whittle の推定手法にインspiredされた、周期的自己相関関数に基づくパrametricスペクトルフレームワークを採用する。
• 周波数領域におけるフーリエ係数およびスペクトル密度作用素を用いて、関数的推定方程式を導出する。
• パーソバルの定理と切断技術を用いて、スペクトル推定量の収束性を分析する。
• 逆スペクトル密度作用素および関数的級数展開を用いて、推定量の漸近的挙動を導出する。
• スペクトル比と作用素ノルムの境界を用いて、背理法により推定量の強一様性を確立する。

実験結果

リサーチクエスチョン

• RQ1 空間 Cox プロセスは、無限次元（ヒルバート空間値）の対数強度場にどのように拡張可能か、関数的空間点パターンをモデル化するために。
• RQ2 関数的空間データに適応可能な Whittle 型スペクトル推定手順は、一様なパrametric推定を達成できるか。
• RQ3 空間関数的相関構造のパrametric推定量が強一様性を示す理論的条件は何か。
• RQ4 現実の空間的依存構造を持つ有限標本設定において、提案手法はどのように性能を示すか。
• RQ5 本手法は、地域的死亡率パターンのような実世界の空間時系列健康データに効果的に応用可能か。

主な発見

• 線形空間自己回帰ヒルバート型モデル下で、空間関数的相関構造の提案パrametric推定量は強一様性を有する。
• 周期的自己相関関数に基づくスペクトル推定法は、関数的標本サイズが増加するにつれて、真のパrameter値にほとんど確実に収束する。
• シミュレーションスタディにより、対数強度のガウス分布に従う一階空間自己回帰ヒルバート型モデル下で推定量の一致性が確認された。
• 本手法は高次元関数的データにおける空間的関数的相関構造を的確に捉え、空間点パターンの正確な予測を可能にする。
• イベリア半島における1980年から2015年までの呼吸器疾患死亡率の予測に本手法を適用し、実データにおける実用的有効性を示した。
• スペクトル比の境界と切断スペクトル級数の使用により、理論的収束性が確立され、標本サイズが増加するにつれて誤差項が消滅する。