[論文レビュー] Spatial regression modeling using the spmoran package: Boston housing price data examples

Daisuke Murakami|arXiv (Cornell University)|Mar 13, 2017

Economic and Environmental Valuation参考文献 18被引用数 7

ひとこと要約

本稿では、残差および回帰係数におけるガウス過程の近似にモーラン固有ベクトルを用いた空間回帰モデリングのためのspatial regression modeling Rパッケージspmonorを紹介する。この手法は、ガウス分布および非ガウス分布のデータに対し、効率的かつ解釈可能な空間的加法的混合モデルの推定を可能にし、ボストンの住宅価格データを用いてその有効性を示している。

ABSTRACT

This study demonstrates how to use spmoran, an R package estimating spatial additive mixed models and other spatial regression models for Gaussian and non-Gaussian data. Moran eigenvectors are used to an approximate Gaussian process modeling which is interpretable in terms of the Moran coefficient. The GP is used for modeling the spatial processes in residuals and regression coefficients. All these models are estimated computationally efficiently. For the sample code used in this paper, see this https URL.

研究の動機と目的

• ガウス分布および非ガウス分布の応答変数を両方取り扱える、計算的に効率的な空間回帰モデリングのフレームワークの開発。
• モーラン係数を通じて解釈可能な空間プロセスモデリングが可能な、混合モデルへのモーラン固有ベクトルの統合。
• 空間的依存性を残差および回帰係数の両方で捉える、柔軟でスケーラブルな空間回帰ソリューションの提供。
• 実世界の住宅価格データを用いた実用的応用を通じて、手法の有効性を示すこと。
• 研究者および実務家が利用可能な、再現性のあるサンプルコードを備えたユーザーフレンドリーなRパッケージ（spmoran）の提供。

提案手法

• 空間プロセスをデータ内に表現するため、解釈可能な空間的依存性のモデリングを可能にするモーラン固有ベクトルの使用。
• 空間的に変化する回帰係数および残差をモデリングするため、ガウス過程（GP）事前分布の適用。
• 尤度に基づく推定を用いて空間的加法的混合モデルを推定し、空間重み行列の固有値分解による計算の高速化を実現。
• 同じ固有ベクトル基底を用いて、誤差構造および回帰係数の両方における空間的依存性をモデル化。
• 一般化線形混合モデルの枠組みにおいて、指数型分布族を用いてガウス分布および非ガウス分布の応答分布をサポート。
• 空間自己相関の診断および解釈ツールとしてのモーラン係数の使用。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、解釈可能な空間的固有ベクトルを用いて住宅価格データの空間的依存性を効果的にモデリングできるか？
• RQ2 空間的に変化する係数を含めることで、標準的な空間回帰モデルと比較して、モデルの適合度はどの程度向上するか？
• RQ3 カウントデータやバイナリアウトカムのような非ガウス分布のデータに対し、spmoranパッケージは複雑な空間混合モデルを効率的に推定できるか？
• RQ4 計算コストと解釈可能性の観点から、モーラン固有ベクトルの使用は、他の空間的ランダム効果アプローチと比べてどのように異なるか？
• RQ5 提案された空間的加法的混合モデルフレームワークを用いることで、住宅価格の空間的パターンに関するどのようなインサイトが得られるか？

主な発見

• spmoranパッケージは、モーラン固有ベクトルを用いて、ガウス分布および非ガウス分布の両方のデータに対する空間的加法的混合モデルの効率的推定を可能にする。
• 残差および回帰係数における空間プロセスが、共通の固有ベクトル基底を通じて効果的にモデル化され、モデルの適合度と解釈可能性が向上する。
• 空間自己相関の測定としてのモーラン係数の使用は、空間的依存性の明確で解釈可能な診断を提供する。
• 空間重み行列の固有値分解を活用することで、中規模のデータセットに対してもスケーラブルな計算の高速化を達成する。
• フレームワークはボストンの住宅価格データにおける複雑な空間的パターン、特に価格決定要因の空間的非定常性を効果的に捉える。
• 提供されたサンプルコードは、Rにおけるモデル適合、診断、空間可視化の再現可能なワークフローを示している。