[論文レビュー] The Numerical Generalized Least-Squares Estimator of an Unknown Constant Mean of Random Field

Tomasz Suslo|arXiv (Cornell University)|Nov 15, 2011

Soil Geostatistics and Mapping参考文献 1被引用数 3

ひとこと要約

本稿では、有限標本のクリギング系を解くことで導かれる、確率場の未知定数平均に対する数値的一般最小二乗推定量を提案する。この推定量は不偏性、分散最小化に加え、新たに定義された第三の制約—有限jにおける空間的一致性—を課す。主な貢献は、古典的一般最小二乗推定量が、実際のデータ制約をよりよく反映する数値的に安定した有限標本推定量の漸近的極限にすぎないことを示したことである。

ABSTRACT

We constraint on computer the best linear unbiased generalized statistics of random field for the best linear unbiased generalized statistics of an unknown constant mean of random field and derive the numerical generalized least-squares estimator of an unknown constant mean of random field. We derive the third constraint of spatial statistics and show that the classic generalized least-squares estimator of an unknown constant mean of the field is only an asymptotic disjunction of the numerical one.

研究の動機と目的

• 漸近的近似に依存しない、数値的に安定した有限標本推定量を、確率場の定数平均に対して開発すること。
• 古典的一般最小二乗（GLS）推定量の限界を扱う。これは無限大の標本サイズを仮定しており、有限標本の挙動を正しく反映しない可能性がある。
• 空間統計における第三の制約—有限jにおける空間的一致性—を導入・形式化し、実用的な標本サイズにおいても推定量が有効で一貫性を保つようにすること。
• 古典的GLS推定量が、真の有限標本解の直接的近似ではなく、数値的推定量の漸近的分離であることを示すこと。
• 既知の相関構造を持つ観測データを用いて、確率場の平均を計算的に実行可能な方法で推定する手法を提供すること。

提案手法

• 未知定数平均mの確率場に対して、不偏性と分散最小化を課すクリギング方程式系を用いて、最良線形不偏一般推定量（BLU）を導出する。
• 制約付き最適化問題を解くためにラグランジュ乗数法を適用し、相関行列と重みを含む(n+1)個の未知数に対する(n+1)個の連立方程式系を得る。
• 第三の制約として、有限jにおける空間的一致性を定義する。これはE[(Vj − ωi jVi)²] = σ² = E[(Vj − m)²]という条件によって与えられ、推定量が有限標本サイズでも有効であることを保証する。
• 有限jに対してクリギング系を数値的に解き、座標に依存する推定量ωi jviを導出し、j → ∞の極限で古典的GLS推定量に収束することを示す。
• 負の相関関数（式18）と実世界のXetra DAXインデックスデータ（n=182）を用いて、数値的推定量を古典的GLS推定量と比較して妥当性を検証する。
• シミュレーションを通じて、有限jにおける数値的推定量と古典的GLS推定量を比較し、収束性と有限標本における性能向上を示す。

実験結果

リサーチクエスチョン

• RQ1 漸近的仮定に依存しない、数値的に安定した有限標本一般最小二乗推定量を、確率場の平均に対してどのように導出できるか？
• RQ2 空間統計における第三の制約の役割は何か？ そして、有限標本サイズにおける推定量の有効性をどのように向上させるか？
• RQ3 有限jにおける数値的一般最小二乗推定量は、古典的GLS推定量と比べてバイアスと分散の点でどのように異なるか？
• RQ4 古典的GLS推定量は、数値的推定量の漸近的分離としてどのように解釈されるか？ そして、実用的推定に与える影響は何か？
• RQ5 数値的推定量は、既知の相関構造を持つ実世界の空間的または時系列データ（例：金融時系列）に効果的に適用可能か？

主な発見

• 数値的一般最小二乗推定量ωi jviは、不偏性、分散最小化、および有限jにおける空間的一致性を課す有限標本クリギング系の解として導出された。
• 古典的GLS推定量は、数値的推定量の漸近的分離にすぎないことが示され、有限標本解を正確に表現していない。
• 第三の制約—E[(Vj − ωi jVi)²] = σ²—は、有限jにおける空間的一致性を保証し、実用的応用における推定量の有効性に不可欠である。
• n=182およびj=577の場合、数値的推定量は古典的GLS推定量に収束し、両者の漸近的関係を確認した。
• 実際のXetra DAXインデックスデータとの比較により、数値的推定量が有限標本設定において古典的GLSを上回ることを示した。
• クリギング方程式系（式6）は、重みωi jおよびラグランジュ乗数μ¹ jの安定的かつ計算可能な解を提供し、実装を可能にする。