[논문 리뷰] Spatial regression modeling using the spmoran package: Boston housing price data examples

Daisuke Murakami|arXiv (Cornell University)|2017. 03. 13.

Economic and Environmental Valuation참고 문헌 18인용 수 7

한 줄 요약

이 논문은 잔차와 회귀 계수에서 가우시안 과정을 근사하기 위해 모란 고유벡터를 사용하는 공간 회귀 모델링을 위한 spmoran R 패키지를 소개한다. 이는 가우시안 및 비가우시안 데이터에 대해 효율적이고 해석 가능한 공간 추가 혼합모델의 추정을 가능하게 하며, 보스턴 주택 가격 데이터를 활용한 결과를 제시한다.

ABSTRACT

This study demonstrates how to use spmoran, an R package estimating spatial additive mixed models and other spatial regression models for Gaussian and non-Gaussian data. Moran eigenvectors are used to an approximate Gaussian process modeling which is interpretable in terms of the Moran coefficient. The GP is used for modeling the spatial processes in residuals and regression coefficients. All these models are estimated computationally efficiently. For the sample code used in this paper, see this https URL.

연구 동기 및 목표

• 가우시안 및 비가우시안 반응 변수를 모두 처리할 수 있는 계산적으로 효율적인 공간 회귀 모델링 프레임워크를 개발하는 것.
• 모란 계수를 통해 해석 가능한 공간 과정 모델링이 가능한 혼합모델에 모란 고유벡터를 통합하는 것.
• 잔차와 계수의 공간적 의존성을 포괄하는 탄력적이고 확장 가능한 공간 회귀 솔루션을 제공하는 것.
• 실제 주택 가격 데이터에 대한 실용적 응용을 통해 방법의 유용성을 입증하는 것.
• 연구자 및 실무자들이 사용할 수 있도록 재현 가능한 샘플 코드를 포함한 사용자 友好的 R 패키지(spmoran)를 제공하는 것.

제안 방법

• 공간적 의존성을 해석 가능한 공간 고유벡터를 통해 모델링할 수 있도록 데이터 내 공간 과정을 표현하기 위해 모란 고유벡터를 사용한다.
• 공간적으로 변하는 회귀 계수와 잔차를 모델링하기 위해 가우시안 과정(GP) 사전분포를 적용한다.
• 공간 가중치 행렬의 고유분해를 통해 계산 효율성을 확보하면서도 우도 기반 추론을 사용하여 공간 추가 혼합모델을 추정한다.
• 동일한 고유벡터 기저를 사용하여 잔차의 구조와 회귀 계수의 공간 의존성을 모두 모델링한다.
• 일반선형혼합모델 프레임워크 내에서 지수족 가족을 통해 가우시안 및 비가우시안 반응 분포를 지원한다.
• 모델의 적합 결과에서 공간 자기상관을 진단하고 해석하는 도구로 모란 계수를 활용한다.

실험 결과

연구 질문

• RQ1 해당 주택 가격 데이터에서 공간적 의존성은 어떻게 이해 가능한 공간 고유벡터를 통해 효과적으로 모델링될 수 있는가?
• RQ2 공간적으로 변하는 계수를 포함함으로써 기존의 표준 공간 회귀 모델 대비 모델 적합도가 얼마나 향상되는가?
• RQ3 spmoran 패키지는 카운트나 이진 결과와 같은 비가우시안 데이터에 대해 복잡한 공간 혼합모델을 효율적으로 추정할 수 있는가?
• RQ4 기타 공간 랜덤 효과 접근법과 비교했을 때 모란 고유벡터의 사용은 해석 가능성과 계산 비용 측면에서 어떻게 다른가?
• RQ5 제안된 공간 추가 혼합모델 프레임워크를 통해 주택 가격의 공간 패턴에 대한 어떤 통찰을 도출할 수 있는가?

주요 결과

• spmoran 패키지는 모란 고유벡터를 사용하여 가우시안 및 비가우시안 데이터에 대한 공간 추가 혼합모델의 효율적 추정을 가능하게 한다.
• 잔차와 회귀 계수의 공간 과정이 공통된 고유벡터 기저를 통해 효과적으로 모델링되어 모델 적합도와 해석 가능성 향상이 이루어진다.
• 모란 계수를 공간 자기상관의 측정치로 사용함으로써 공간 의존성에 대한 명확하고 해석 가능한 진단 도구를 제공한다.
• 공간 가중치 행렬의 고유분해를 활용함으로써 계산 효율성을 확보하여 중간 크기의 데이터셋에 대해 확장 가능한 성능을 달성한다.
• 이 프레임워크는 보스턴 주택 가격 데이터의 복잡한 공간 패턴, 특히 가격 결정 요인의 공간 이질성을 성공적으로 포착한다.
• 제공된 샘플 코드를 통해 R에서 모델 적합, 진단, 공간 시각화의 재현 가능한 워크플로우를 보여준다.