[论文解读] Bayesian modeling and clustering for spatio-temporal areal data: An application to Italian unemployment

Alexander Mozdzen, Andrea Cremaschi+3 more|arXiv (Cornell University)|Jan 1, 2022

Spatial and Panel Data Analysis参考文献 67被引用 8

一句话总结

本文提出了一种用于区域时空区域数据的贝叶斯半参数模型，通过具有高斯马尔可夫随机场（GMRF）结构的条件自回归（CAR）先验，联合建模时间动态与空间依赖性。该模型引入狄利克雷过程先验，对基于失业时间序列的省份进行非参数聚类，从而在2005–2017年间实现对意大利区域经济模式的灵活、数据驱动的识别，相较于频率学派和参数化方法，在预测性能和可解释性方面表现更优。

ABSTRACT

Spatio-temporal areal data can be seen as a collection of time series which are spatially correlated according to a specific neighboring structure. Incorporating the temporal and spatial dimension into a statistical model poses challenges regarding the underlying theoretical framework as well as the implementation of efficient computational methods. We propose to include spatio-temporal random effects using a conditional autoregressive prior, where the temporal correlation is modeled through an autoregressive mean decomposition and the spatial correlation by the precision matrix inheriting the neighboring structure. Their joint distribution constitutes a Gaussian Markov random field, whose sparse precision matrix enables the usage of efficient sampling algorithms. We cluster the areal units using a nonparametric prior, thereby learning latent partitions of the areal units. The performance of the model is assessed via an application to study regional unemployment patterns in Italy. When compared to other spatial and spatio-temporal competitors, the proposed model shows more precise estimates and the additional information obtained from the clustering allows for an extended economic interpretation of the unemployment rates of the Italian provinces.

研究动机与目标

• 开发一种灵活的贝叶斯模型，以捕捉区域数据中的空间与时间依赖性，尤其适用于区域失业模式。
• 解决在不预先指定聚类数量的情况下，识别具有相似失业动态的潜在省份聚类的挑战。
• 通过整合时空随机效应与非参数聚类，提升预测准确性和经济可解释性。
• 提供一种稳健的框架，利用稀疏精度矩阵的MCMC推断方法，对区域经济数据中的复杂依赖关系进行建模。
• 通过样本外预测指标，验证模型相对于频率学派和参数化贝叶斯竞争模型的性能。

提出的方法

• 使用条件自回归（CAR）先验，其精度矩阵编码空间邻接结构，以建模空间依赖性。
• 实施自回归均值分解，以捕捉时空随机效应中的时间相关性。
• 从CAR先验构建联合高斯马尔可夫随机场（GMRF），通过稀疏矩阵算法实现高效的MCMC抽样。
• 应用狄利克雷过程（DP）先验，基于其时变失业模式和自回归参数对区域单元进行聚类。
• 采用定制的MCMC算法，结合Knorr-Held & Rue（2002）的块更新策略与McCausland et al.（2011）的预测模拟方法。
• 使用后验预测似然与WAIC进行模型比较，评估从2009年起开始，以避免先验依赖。

实验结果

研究问题

• RQ1 如何在允许潜在省份聚类的同时，灵活地建模区域失业数据中的时空依赖性？
• RQ2 与参数化替代方法相比，使用非参数狄利克雷过程先验对聚类结构和预测性能有何影响？
• RQ3 所提出的贝叶斯时空聚类模型（BSTC）在预测准确性上相较于频率学派和参数化贝叶斯模型表现如何？
• RQ4 该模型能否揭示2005至2017年间意大利失业演变中的可解释区域经济模式？
• RQ5 引入空间相关性与时间动态在估计与预测方面相较于合并或独立模型的改进程度如何？

主要发现

• 贝叶斯时空聚类（BSTC）模型在2009–2017年间的样本外均方根误差（RMSE）平均值为0.295，平均绝对误差（MAE）为0.295，优于所有频率学派和贝叶斯竞争模型。
• 2012年，BSTC模型的RMSE为0.499，MAE为0.499，但在随后的年份中显著改善，表明其对动态变化具有强大适应能力。
• BSTC模型的后验预测对数似然和（−737）最高，WAIC（−737）最低，表明其具有更优的样本外预测性能。
• 该模型识别出具有相似失业趋势的意大利省份可解释聚类，从而在标准空间模型之外实现了更深入的经济解释。
• 使用非参数DP先验使得无需预先指定聚类数量即可实现数据驱动的聚类检测，后验推断最小化了Binder损失与VI。
• ST.CARar模型在预测指标上表现第二，但仍逊于BSTC，尤其在2012年之后，凸显了聚类的附加价值。