[논문 리뷰] An alternative to Moran's I for spatial autocorrelation

Yuzo Maruyama|arXiv (Cornell University)|2015. 01. 26.

Spatial and Panel Data Analysis참고 문헌 2인용 수 6

한 줄 요약

이 논문은 공간적 자기상관 측정법 $ I_M $를 제안한다. 이는 Moran의 $ I $의 단조변환으로, 정확한 범위 $[-1, 1]$을 보장하며, 공간 가중치 행렬에 따라 Moran의 $ I $가 이 범위를 초과할 수 있다는 한계를 해결한다. 이 변환은 편향을 보정하고, 피어슨 상관계수 수준의 해석 가능성을 유지하면서도, 순열 검정의 유효성을 그대로 유지한다.

ABSTRACT

Moran's I statistic, a popular measure of spatial autocorrelation, is revisited. The exact range of Moran's I is given as a function of spatial weights matrix. We demonstrate that some spatial weights matrices lead the absolute value of upper (lower) bound larger than 1 and that others lead the lower bound larger than -0.5. Thus Moran's I is unlike Pearson's correlation coefficient. It is also pointed out that some spatial weights matrices do not allow Moran's I to take positive values regardless of observations. An alternative measure with exact range [-1,1] is proposed through a monotone transformation of Moran's I.

연구 동기 및 목표

• Moran의 $ I $가 항상 -1에서 1 사이에 존재한다는 오해를 해결하기 위해, 이는 모든 공간 가중치 행렬에서 성립하지 않는다는 점을 다루기 위함.
• 일부 가중치 행렬이 데이터와 관계없이 Moran의 $ I $가 양의 값을 가질 수 없게 되는 문제를 수정하기 위함.
• 정확한 범위 $[-1, 1]$을 보장하는 새로운 공간 자기상관 측정법을 제안하여 해석 가능성 향상.
• 신규 측정법이 이전 연구에서 사용된 순열 검정의 통계적 유효성을 유지하도록 보장하기 위함.

제안 방법

• 공간 가중치 행렬 $ \mathbf{W} $에 대한 Moran의 $ I $의 정확한 범위를 유도하여, 이가 $[-1, 1]$을 초과할 수 있음을 보여줌.
• 분포를 중심화하고 부정부정성(정의되지 않는 성질)을 허용하기 위해 선형 변환 $ (n-1)I + 1 $을 정의함.
• 변환된 행렬 $ \mathbf{Q} = (n-1)\tilde{\mathbf{W}} + \mathbf{I}_{n-1} $의 극단적 고유값을 바탕으로 정규화 상수 $ C $를 구성함. 여기서 $ \tilde{\mathbf{W}} $는 $ \mathbf{W} $에서 유도됨.
• 신규 측정법 $ I_M = \frac{(n-1)I + 1}{C} $를 정의함. $ C $는 $ (n-1)I + 1 $의 부호에 따라 $ |(n-1)\lambda_{(1)} + 1| $ 또는 $ (n-1)\lambda_{(n-1)} + 1 $ 중 최대값으로 선택됨.
• 모든 $ I_M \in [-1, 1] $임을 증명함. 이 범위의 하한과 상한은 $ I = \lambda_{(1)} $ 또는 $ I = \lambda_{(n-1)} $일 때, 즉 $ \tilde{\mathbf{W}} $의 최소 및 최대 고유값일 때 도달됨.
• 단조변환이므로 $ I $를 기반으로 한 순열 검정이 $ I_M $을 사용할 때도 그대로 유효함을 보여줌.

실험 결과

연구 질문

• RQ1 일부 공간 가중치 행렬에 대해 Moran의 $ I $의 범위가 $[-1, 1]$을 초과할 수 있는가?
• RQ2 왜 일부 가중치 행렬에서는 데이터와 관계없이 Moran의 $ I $가 양의 값을 가질 수 없는가?
• RQ3 정확한 범위 $[-1, 1]$을 가진 공간 자기상관 측정법을 구성할 수 있는가? 이는 통계적 추론 성질을 유지해야 한다.
• RQ4 Moran의 $ I $의 단조변환을 통해 더 해석 가능하고 유한한 공간 자기상관 측정법을 얻을 수 있는가?

주요 결과

• Moran의 $ I $의 범위는 항상 $[-1, 1]$이 아니며, 공간 가중치 행렬의 종류에 따라 이 구간을 초과할 수 있으며, 일부 경우에서는 $[-1, 1]$ 외부의 값으로 설정됨.
• 일부 가중치 행렬, 예를 들어 모든 $ i \neq j $에 대해 $ w_{ij} = 1 $인 경우, 데이터와 관계없이 Moran의 $ I $는 항상 음수임.
• 제안된 측정법 $ I_M $은 정확한 범위 $[-1, 1]$을 가지며, 이 하한과 상한은 $ I $가 $ \tilde{\mathbf{W}} $의 최소 및 최대 고유값일 때 도달됨.
• $ I_M $의 정규화 상수 $ C $는 $ (n-1)I + 1 $의 부호에 따라 조건부로 정의되며, 이는 출력값이 항상 $[-1, 1]$ 내에 있도록 보장함.
• 수치 실험 결과, $ w_{ij} $가 $ (1-a, 1+a) $에 균일하게 분포할 경우, $ a $가 작을 때 $ \tilde{\mathbf{W}} $는 음의 정부정행렬이 되며(예: $ n=100 $일 때 $ a \approx 0.12 $), 이는 음수 $ I $의 가능성 있음을 시사함.
• 단조변환이므로 $ I $를 기반으로 한 모든 순열 검정은 $ I_M $을 $ I $ 대신 사용할 때도 그대로 유효함.