[논문 리뷰] SpatialPack: Computing the Association Between Two Spatial Processes

Felipe Osorio, Ronny Vallejos외 1명|arXiv (Cornell University)|2016. 11. 16.

Data Management and Algorithms참고 문헌 21인용 수 18

한 줄 요약

SpatialPack는 Tjøstheim의 순위 기반 상관계수, Matheron의 공분산 계수, 그리고 가설 검정을 위한 수정된 t-검정을 사용하여 두 확률 과정 간의 공간적 연관성을 효율적으로 계산하는 데 C로 컴iles된 루틴을 구현한 R 패키지이다. 주요 기여는 방향성 공간 상관관계를 시각화할 수 있는 새로운 공분산 맵으로, 이는 비정규 공간 격자와 시간 시리즈 데이터에 대한 강력한 분석을 가능하게 하며 높은 계산 성능를 제공한다.

ABSTRACT

An R package SpatialPack that implements routines to compute point estimators and perform hypothesis testing of the spatial association between two stochastic sequences is introduced. These methods address the spatial association between two processes that have been observed over the same spatial locations. We briefly review the methodologies for which the routines are developed. The core routines have been implemented in C and linked to R to ensure a reasonable computational speed. Three examples are presented to illustrate the use of the package with both simulated and real data. The particular case of computing the association between two time series is also considered. Besides elementary plots and outputs we also provide a plot to visualize the spatial correlation in all directions using a new graphical tool called codispersion map. The potential extensions of SpatialPack are also discussed.

연구 동기 및 목표

• 동일한 위치에서 관측된 두 공간 과정 간의 공간적 연관성을 계산하기 위한 효율적인 R 패키지 개발
• 표준 상관계수 방법의 한계를 극복하기 위해 공분산과 순위 기반 측정을 통한 공간적 의존성 통합
• 비정규 공간 격자와 시간 시리즈 데이터를 고려한 높은 성능을 보장하는 계산 프레임워크 제공
• 방향성 공간 상관관계를 시각화하기 위한 새로운 그래픽 도구인 공분산 맵 도입
• 환경 과학, 지구통계학, 공간 경제학 분야의 연구자들이 접근하기 쉬우며 빠르고 통계적으로 타당한 도구 지원

제안 방법

• 공간 과정의 순위 변환에 기반한 Tjøstheim의 비모수적 상관계수 계산
• 공분산 계수를 정규화된 교차변동도로 계산하여 거리 라그 h에서의 공간 교차의존도를 정량화
• 정규 및 비정규 공간 격자에 적합한 수정된 t-검정을 통한 공간 연관성에 대한 가설 검정
• 계산 효율성을 확보하기 위해 C로 작성된 핵심 루틴을 R API를 통해 R에 통합
• 모든 방향과 라그에서 공분산을 계산하고 표시할 수 있는 2차원 시각화 도구인 공분산 맵 개발
• 다양한 표본 크기에서 계산 시간과 통계적 검정력 평가를 위한 몬테카를로 시뮬레이션 통합

실험 결과

연구 질문

• RQ1 관측치가 공간적으로 의존적이고 비정규 격자 위에 정의된 두 확률 과정 간의 공간적 연관성이 정확하게 측정될 수 있는 방법은 무엇인가?
• RQ2 공분산 계수의 성능은 여러 각도와 라그에서 방향성 공간 의존성을 얼마나 잘 포착하는가?
• RQ3 공분산 계수의 계산 성능는 공간 데이터 분석에서 표본 크기가 증가함에 따라 어떻게 변화하는가?
• RQ4 공분산 맵은 실제 데이터 세트에서 방향성 공간 공동변동 패턴을 효과적으로 드러내는가?
• RQ5 제안된 방법은 이변량 분석을 초과하여 多변량 공간 과정으로 확장될 수 있는가?

주요 결과

• C로 컴iles된 핵심 루틴 덕분에 SpatialPack 패키지는 높은 계산 속도를 달성하였으며, 512×512 이미지 크기의 데이터 세트 평균 처리 시간은 약 5시간 40분이다.
• 공분산 맵은 방향성 공간 상관관계를 성공적으로 시각화하였으며, 무어리 스멜터 사이트 데이터 세트에서 45°에서 약 0.7의 최고 공분산 값을 기록하였다.
• 몬테카를로 시뮬레이션 연구 결과, 계산 시간이 표본 크기에 따라 효율적으로 스케일링됨을 확인하여 대규모 공간 데이터 세트에의 적용 가능성을 뒷받침한다.
• 무어리 스멜터 사이트 데이터 세트에 대한 적용 결과, 비소와 lead 농도 간에 강한 공간적 공동변동이 관찰되었으며, 공분산은 45°에서 최고치에 도달하였다.
• 수정된 t-검정과 공분산 계수 모두 시뮬레이션 및 실제 데이터에서 뛰어난 성능를 보였으며, 시간 시리즈 응용에도 유용하였다.
• 향후 확장 가능성으로는 공분산에 대한 Nadaraya-Watson 추정 및 다변량 과정을 위한 공분산 행렬 계산이 가능하며, 향후 버전에서 계획되어 있다.