[論文レビュー] Testing the first-order separability hypothesis for spatio-temporal point patterns

Mohammad Ghorbani, Nafiseh Vafaei+2 more|arXiv (Cornell University)|Sep 10, 2020

Point processes and geometric inequalities参考文献 55被引用数 7

ひとこと要約

本稿では、空間時系列点過程の強度関数の一次的分離可能性を評価するための3つの統計的検定を提案する。すなわち、パーミュテーションに基づくグローバルエンベロープ検定、計算効率の高いカイ二乗検定、および非ポアソン過程における確率的再構成手法である。パーミュテーション検定は非分離性の空間的・時間的場所を特定するが、カイ二乗検定は高速な予備的評価を可能にする。両検定はポアソン過程および弱くクラスタリングされた過程において良好に機能し、再構成手法により複雑なデータにおける詳細な非分離性の検出が可能となる。

ABSTRACT

First-order separability of a spatio-temporal point process plays a fundamental role in the analysis of spatio-temporal point pattern data. While it is often a convenient assumption that simplifies the analysis greatly, existing non-separable structures should be accounted for in the model construction. We propose three different tests to investigate this hypothesis as a step of preliminary data analysis. The first two tests are exact or asymptotically exact for Poisson processes. The first test based on permutations and global envelopes allows us to detect at which spatial and temporal locations or lags the data deviate from the null hypothesis. The second test is a simple and computationally cheap $\chi^2$-test. The third test is based on statistical reconstruction method and can be generally applied for non-Poisson processes. The performance of the first two tests is studied in a simulation study for Poisson and non-Poisson models. The third test is applied to the real data of the UK 2001 epidemic foot and mouth disease.

研究の動機と目的

• 空間時系列強度関数における非分離性が発生する場所と時刻を特定するための手法の不足に対処すること。
• ポアソン仮定下での一次的分離可能性に対して、計算的に効率的かつ統計的に頑健な検定を開発すること。
• 統計的再構成アプローチを用いて、非ポアソン過程への検定を拡張すること。
• 空間時系列点過程モデリングにおけるモデル選択および共変数同定を支援する予備的データ分析ツールを提供すること。
• 空間的・時間的側面で帰無仮説からの逸脱を局所化することで、分離可能性検定の解釈可能性を向上させること。

提案手法

• 分離可能および非分離可能な強度関数の非パラメトリック推定値を比較するため、グローバルエンベロープを用いたパーミュテーションに基づく検定を提案する。
• 観測度数と期待度数を、空間時系列のセル単位で比較するカイ二乗検定を採用し、1セルあたりの期待度数が5以上である必要がある。
• 非ポアソン過程における検定を可能にするため、確率的再構成手法を導入し、シミュレートされた実現値を用いて分離可能性を評価する。
• 核スムージングを用いて非パラメトリックな強度推定を実施し、バンド幅の選定はデータの滑らかさおよび事前知識に従う。
• 非分離可能な強度推定値と分離可能な強度推定値の比に基づく検定統計量を用いる。分離可能な強度はスケーリング要因として機能する。
• 帰無仮説下でのモンテカルロシミュレーションを用いて、検定統計量のサンプリング分布を近似し、p値の計算を可能にする。

実験結果

リサーチクエスチョン

• RQ1 空間的・時間的側面で、強度関数が一次的分離可能性からどの程度逸脱しているか、その場所と時期は何か？
• RQ2 空間時系列点過程の一次的分離可能性仮説を、統計的パワーと解釈可能性を維持した形でどのように検定できるか？
• RQ3 ポアソン過程および弱くクラスタリングされた過程において、パーミュテーション検定とカイ二乗検定の性能特性は何か？
• RQ4 統計的再構成手法は、非ポアソン空間時系列点過程における非分離性を効果的に検出できるか？
• RQ5 強度推定におけるバンド幅の選定が、分離可能性検定のパワーと信頼性に与える影響は何か？

主な発見

• パーミュテーションに基づく検定は、非分離性から逸脱する領域および時間帯を的確に特定でき、図的インサイトを提供する。
• カイ二乗検定は計算的に効率的であり、ポアソンおよび弱くクラスタリングされた過程において良好に機能するため、高速な予備的分析に適している。
• 確率的再構成手法により、非ポアソン過程における非分離性の検出が可能であるが、計算コストが高く、ユーザーの専門知識が求められる。
• 非分離可能な強度推定値と分離可能な強度推定値の比に基づく検定は、強度測定の二乗差を用いた代替形式よりも優れた性能を示す。
• バンド幅の選定は検定のパフォーマンスに顕著な影響を与え、特にクラスタリングされたデータでは、強度の滑らかさに関する事前知識が必要となる。
• パーミュテーション検定およびカイ二乗検定は、弱いクラスタリング下でも良好なパワーを維持するため、実用的なデータ分析ワークフローへの応用が可能である。