[논문 리뷰] spmoran: An R package for Moran's eigenvector-based spatial regression analysis

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

Spatial and Panel Data Analysis참고 문헌 7인용 수 17

한 줄 요약

이 논문은 공간적 의존성과 공간적으로 변하는 계수를 모델링하기 위해 모란의 고유벡터 기반 공간 회귀 모델, 즉 고유벡터 공간 필터링(ESF) 및 랜덤 효과 ESF(RE-ESF)을 구현한 R 패키지 spmoran을 소개한다. 이 방법은 공간 이질성이 있는지 여부에 관계없이 회귀 계수의 효율적 추정과 추론을 가능하게 하며, 토지 가격 분석을 통해 검증되었다.

ABSTRACT

The objective of this study is illustrating how to use spmoran, which is an R package for Moran's eigenvector-based spatial regression analysis. spmoran estimates regression models in the presence of spatial dependence, including eigenvector spatial filtering (ESF) and random effects ESF (RE-ESF) models. These models are allowed to have spatially varying coefficients to capture spatial heterogeneity. These ESF and RE-ESF models are suitable to estimate and infer regression coefficients with/without spatial variation. spmoran implements these models in a computationally efficient manner. For the illustration, this study applies ESF and RE-ESF models for a land price analysis.

연구 동기 및 목표

• 표준 OLS 가정을 위반하는 공간적 의존성 문제를 해결하기 위해 회귀 분석에서 공간적 의존성을 다루는 것.
• 공간 자기상관을 고려한 공간 회귀 모델의 계산적으로 효율적인 구현을 제공하는 것.
• 공간적으로 변하는 계수를 모델링하여 회귀 관계의 공간 이질성을 포착하는 것.
• 더 나은 모델의 유연성을 위해 고유벡터 공간 필터링에서 고정 효과와 랜덤 효과를 모두 지원하는 것.
• 실제 토지 가격 회귀 응용 사례를 통해 접근법의 유용성을 입증하는 것.

제안 방법

• 공간 가중치 행렬에서 공간적 구조를 추출하기 위해 모란의 고유벡터 필터링(MEF)을 사용한다.
• 중요한 고유벡터를 회귀 모델의 공변량으로 포함시켜 공간적 의존성을 제어하기 위해 고유벡터 공간 필터링(ESF)을 적용한다.
• 공간 계수에 대한 랜덤 변동을 允허하기 위해 랜덤 효과 ESF(RE-ESF)를 도입한다.
• 고유벡터 계산 및 모델 피팅을 위한 계산적으로 효율적인 알고리즘을 사용하여 대규모 데이터셋에 대한 확장성을 확보한다.
• 공간적으로 변하는 계수의 포함을 통해 전역적 및 국지적 공간 회귀 모델링을 지원한다.
• 공간 효과를 위한 조정된 분산-공분산 추정을 사용한 표준 회귀 프레임워크를 활용해 모델 피팅 및 추론을 구현한다.

실험 결과

연구 질문

• RQ1 고유벡터 기반 방법을 사용해 회귀 데이터의 공간적 의존성을 효과적으로 모델링할 수 있는가?
• RQ2 공간 자기상관이 존재할 경우, 공간 고유벡터를 포함시키는 것이 모델 적합도와 추론에 얼마나 기여하는가?
• RQ3 표준 ESF 모델에 비해 RE-ESF 모델이 공간 이질성을 더 잘 포착할 수 있는가?
• RQ4 spmoran의 계산 효율성은 기존의 공간 회귀 패키지와 비교해 어떻게 되는가?
• RQ5 실제 공간 데이터 분석, 예를 들어 토지 가격 예측에서 ESF 및 RE-ESF 모델을 사용하는 데 실질적인 의미는 무엇인가?

주요 결과

• spmoran 패키지는 고유벡터 기반 모델인 ESF 및 RE-ESF를 고도로 효율적인 방식으로 구현하여 확장 가능한 공간 회귀 분석을 가능하게 하였다.
• 공간 고유벡터를 포함시킴으로써 토지 가격 응용 사례에서 모델 적합도가 크게 향상되었고 잔차의 공간 자기상관이 감소하였다.
• 고정 효과 ESF 모델에 비해 RE-ESF 모델이 공간적으로 변하는 관계를 더 유연하게 포착하는 데 성공하였다.
• 복잡한 공간 의존성 구조가 존재하는 상황에서도 회귀 계수에 대한 신뢰할 수 있는 추론을 제공하였다.
• 토지 가격 데이터에 대한 적용을 통해 공간적으로 변하는 계수를 가진 모델이 의미 있는 방식으로 공간 이질성을 포착하고 있음을 확인하였다.
• spmoran의 방법론적 프레임워크는 다양한 데이터셋에서 강력하고 해석 가능한 공간 회귀 모델링을 지원한다.