[論文レビュー] Vecchia Likelihood Approximation for Accurate and Fast Inference in Intractable Spatial Extremes Models

Raphaël Huser, Michael L. Stein+1 more|arXiv (Cornell University)|Mar 10, 2022

Climate variability and models被引用数 7

ひとこと要約

本稿では、特に最大安定過程に対して、戦略的な条件付き集合を用いて全尤度を線形数の低次元条件付き密度に分解することにより、計算的に効率的で精度の高い推論を可能にするVecchia尤度近似を提案する。この手法は、従来の複合尤度と比較して、著しく高い漸近的相対効率と計算上の節約を達成しており、1,000以上の地点を含むレッドシーの海面水温への応用で実証されている。

ABSTRACT

Max-stable processes are the most popular models for high-impact spatial extreme events, as they arise as the only possible limits of spatially-indexed block maxima. However, likelihood inference for such models suffers severely from the curse of dimensionality, since the likelihood function involves a combinatorially exploding number of terms. In this paper, we propose using the Vecchia approximation, which conveniently decomposes the full joint density into a linear number of low-dimensional conditional density terms based on well-chosen conditioning sets designed to improve and accelerate inference in high dimensions. Theoretical asymptotic relative efficiencies in the Gaussian setting and simulation experiments in the max-stable setting show significant efficiency gains and computational savings using the Vecchia likelihood approximation method compared to traditional composite likelihoods. Our application to extreme sea surface temperature data at more than a thousand sites across the entire Red Sea further demonstrates the superiority of the Vecchia likelihood approximation for fitting complex models with intractable likelihoods, delivering significantly better results than traditional composite likelihoods, and accurately capturing the extremal dependence structure at lower computational cost.

研究の動機と目的

• 高次元の最大安定空間極値モデルにおける完全尤度推定の計算的非可解性を解消するため、項の数が組み合わせ的に爆発する要因を扱う。
• 高次元設定において計算負荷を軽減しながら統計的精度を維持するスケーラブルな尤度近似手法を開発する。
• もともとガウス過程に用いられていたVecchia近似を、空間極値の推定に拡張し、最大安定過程に適用する。
• 複合尤度手法と比較して、より低い計算コストで極値的依存構造を的確に捉えることのできる優れた性能を示す。
• 気象や環境監視データなどの大規模空間データセットにおける極端な出来事象のモデリングに実用的でスケーラブルなソリューションを提供する。

提案手法

• Vecchia近似は、適切に選ばれた順序と条件付き集合に基づき、最大安定過程の同時密度を低次元条件付き密度の積に分解する。
• 条件付き集合は、予測精度と計算効率を最大化するために選ばれ、ガウスグラフィカルモデルのマークフ・性質を模倣する。
• この手法は、最大安定過程に対するハマークリー＝クリフォード定理の類似形を活用し、条件付き独立構造を通じて全尤度を近似する。
• 近似はスパース精度行列構造を介して実装され、次元に比例する線形スケーリングを実現し、指数的増加を回避する。
• 理論的漸近的相対効率はガウス設定下で導出され、性能向上のベンチマークを提供する。
• シミュレーション実験と実データ応用により、高次元極値におけるこの手法の精度と計算効率が検証されている。

実験結果

リサーチクエスチョン

• RQ1 Vecchia近似は、最大安定空間極値モデルの尤度推定において、計算コストを著しく削減しながら統計的精度を維持できるか？
• RQ2 高次元設定において、Vecchia尤度の漸近的相対効率は、複合尤度と比較してどの程度高いか？
• RQ3 Vecchia近似は、環境監視から得られるような大規模空間データセットにおける複雑な極値的依存構造を効果的に捉えることができるか？
• RQ4 Vecchia手法は、従来の複合尤度と比較して、パラメータ推定の精度と不確実性の評価において優れているか？
• RQ5 Vecchia近似は、最大安定過程を越えて、非可解尤度モデルへ一般化できる範囲はどの程度か？

主な発見

• ガウス設定下では、Vecchia尤度近似は複合尤度と比較して著しく高い漸近的相対効率を達成しており、統計的効率の向上を示している。
• 最大安定過程を用いたシミュレーション実験において、Vecchia手法は高いパラメータ推定精度を維持しながら、顕著な計算コストの削減を実現した。
• 本手法は、1,000以上の地点をカバーするレッドシーの極端な海面水温データを効果的にモデリングし、複雑な極値的依存構造を、複合尤度よりも低い計算コストで捉えた。
• Vecchia近似は高次元空間極値における真の極値的依存構造を正確に回復できており、両者の効率性と忠実性の面で、ペアワイズ複合尤度を上回っている。
• このアプローチは次元に比例してスケーリングされ、完全尤度手法が計算的に非現実的となる設定でも推論が可能である。
• 理論的および実証的結果から、Vecchia近似は空間極値における非可解尤度推定の実用的でスケーラブルな代替手段であることが確認された。