[논문 리뷰] Spatial Cox processes in an infinite-dimensional framework

M. P. Frías, A. Torres-Signes외 2명|arXiv (Cornell University)|2018. 11. 27.

Spatial and Panel Data Analysis참고 문헌 30인용 수 4

한 줄 요약

이 논문은 무한차원(힐버트 공간에 값이 있는) 로그강도를 기반으로 하는 새로운 유형의 공간 코크스 프로세스를 제안하여 공간 점 패턴의 기능적 데이터 분석을 가능하게 한다. 주어진 방법은 주기도 연산자를 기반으로 한 윌틀 유형의 스펙트럼 추정법을 제안하며, 선형 공간 자기회귀 힐버트 모델에서 파arametric 추정기의 강한 일致성을 증명하고, 포르투갈과 스페인 반도(1980–2015)의 호흡기 질환으로 인한 사망률 예측에 적용한다.

ABSTRACT

We introduce a new class of spatial Cox processes driven by a Hilbert--valued random log--intensity. We adopt a parametric framework in the spectral domain, to estimate its spatial functional correlation structure. Specifically, we consider a spectral functional, based on the periodogram operator, inspired on Whittle estimation methodology. Strong-consistency of the parametric estimator is proved in the linear case. We illustrate this property in a simulation study under a Gaussian first order Spatial Autoregressive Hilbertian scenario for the log--intensity model. Our method is applied to the spatial functional prediction of respiratory disease mortality in the Spanish Iberian Peninsula, in the period 1980--2015.

연구 동기 및 목표

• 무한차원(힐버트 공간에 값을 갖는) 로그강도 랜덤 필드에 의해 구동되는 새로운 유형의 공간 코크스 프로세스를 개발하는 것.
• 기능적 공간 점 프로세스에 대한 파arametric 추정 방법의 격차를 메우기 위해 주파수 도메인 접근법을 도입하는 것.
• 선형 공간 자기회귀 힐버트 프레임워크 내에서 주기도 연산자를 기반으로 한 파arametric 추정기의 강한 일치성을 확립하는 것.
• 특히 스페인(1980–2015)의 호흡기 질환으로 인한 사망률을 포함한 실제 공간 기능 데이터에 제안된 방법론을 적용하는 것.

제안 방법

• 공간 코크스 프로세스의 로그강도를 힐버트 공간에 값을 갖는 확률과정으로 모델링하여 공간 점 패턴의 기능적 데이터 분석을 가능하게 한다.
• 시계열에 대한 윌틀 추정 방법론을 영감으로 삼아 주기도 연산자를 기반으로 한 파arametric 스펙트럼 프레임워크를 활용한다.
• 주파수 도메인에서 푸리에 계수와 스펙트럼 밀도 연산자를 사용하여 기능적 추정 방정식을 유도한다.
• 파르세발의 항등식과 절단 기법을 적용하여 스펙트럼 추정기의 수렴 성질을 분석한다.
• 역스펙트럼 밀도 연산자와 기능적 급수 전개를 사용하여 추정기의 渐近적 행동을 유도한다.
• 스펙트럼 비율과 연산자 노름에 대한 경계를 활용하여 모순에 기반한 추정기의 강한 일치성을 확립한다.

실험 결과

연구 질문

• RQ1 공간 코크스 프로세스는 어떻게 무한차원(힐버트 공간에 값을 갖는) 로그강도 필드로 확장되어 기능적 공간 점 패턴을 모델링할 수 있는가?
• RQ2 기능적 공간 데이터에 대해 윌틀 유형의 스펙트럼 추정 절차를 어떻게 적응시켜 일관된 파arametric 추정을 달성할 수 있는가?
• RQ3 공간 기능적 상관관계 구조의 파arametric 추정기가 강하게 일치하는 데 필요한 이론적 조건은 무엇인가?
• RQ4 실제의 공간적 종속성 구조를 가진 유한 표본 설정에서 제안된 방법은 어떻게 성능을 발휘하는가?
• RQ5 이 방법은 예를 들어 지역별 사망률 패턴과 같은 실제의 시공간 건강 데이터에 효과적으로 적용될 수 있는가?

주요 결과

• 선형 공간 자기회귀 힐버트 모델 하에서 제안된 공간 기능적 상관관계 구조에 대한 파arametric 추정기는 강하게 일치한다.
• 주기도 연산자를 기반으로 한 스펙트럼 추정 방법은 기능적 표본 크기가 증가함에 따라 진짜 파arameter 값으로 거의 확실히 수렴한다.
• 시뮬레이션 연구를 통해 로그강도에 대해 1차 자기회귀 힐버트 모델이 가우시안일 경우 추정기의 일관성이 확인되었다.
• 이 방법은 고차원 기능적 데이터에서 공간 기능적 상관관계 구조를 효과적으로 포착하여 공간 점 패턴의 정확한 예측을 가능하게 한다.
• 이 방법은 1980년에서 2015년 사이에 이베리아 반도 전역의 호흡기 질환으로 인한 사망률을 예측하는 데 적용되어 실제 데이터에서의 실용성을 입증하였다.
• 스펙트럼 비율에 대한 경계와 절단된 스펙트럼 급수의 사용을 통해 이론적 수렴성을 확립하였으며, 오차 항은 표본 크기가 증가함에 따라 사라진다.