Effective Sample Size for Functional Spatial Data

Technische Zusammenfassung: Effektive Stichprobengröße für funktionale räumliche Daten

Problemstellung
Das Konzept der effektiven Stichprobengröße (Effective Sample Size, ESS) ist ein etabliertes Maß in der Geostatistik für skalare Zufallsfelder, das die Menge an unabhängigen Informationen in einem Datensatz quantifiziert, indem es die Redundanz berücksichtigt, die durch räumliche Korrelation entsteht. Die Erweiterung der ESS auf funktionale räumliche Daten – bei denen Beobachtungen Funktionen sind, die durch eine räumliche Lage indiziert werden – bleibt jedoch weitgehend unerforscht. Bestehende Methodiken für skalare Daten können die duale Komplexität funktionaler räumlicher Datensätze nicht direkt adressieren: die intrinsische Abhängigkeitsstruktur innerhalb der Funktionskurven (z. B. Glattheit über die Zeit oder Tiefe) und die räumliche Abhängigkeit zwischen Beobachtungen an verschiedenen Orten. Ohne eine formale Definition fehlt Forschern ein Werkzeug, um die Redundanz zu quantifizieren oder die effektive Anzahl unabhängiger funktionwertiger Beobachtungen in solchen Datensätzen zu bestimmen.

Methodik
Die Autoren schlagen eine neuartige Definition der funktionalen ESS innerhalb eines Hilbert-Raum-Frameworks vor, spezifisch $L^2([0, 1])$. Die Methodik erfolgt durch die folgenden Schritte:

1. Theoretischer Rahmen: Die Autoren definieren ein funktionales Zufallsfeld $\{\chi_s : s \in \mathbb{R}^d\}$, wobei jede Beobachtung eine quadratintegrierbare Funktion ist. Sie nehmen Schwachstationarität und Isotropie an und beschreiben die räumliche Abhängigkeit über einen Kovarianzoperator.
2. Trace-Covariogramm: Um den unendlichdimensionalen Kovarianzoperator auf eine handhabbare skalare Zusammenfassung zu reduzieren, nutzen die Autoren ein Trace-Covariogramm, definiert als $\sigma_{tr}(h) = \int_0^1 \sigma_h(t, t) dt$. Dieses skalare Maß erfasst die aggregierte Kovarianz zwischen funktionalen Beobachtungen, die durch den Abstand $h$ getrennt sind.
3. Definition der funktionalen ESS: In Anlehnung an die skalare Definition von Griffith (2005) wird die funktionale ESS ($ESS_F$) wie folgt definiert:
   $$ESS_F = \frac{n^2 \sigma_{tr}(0)}{\sum_{i=1}^n \sum_{j=1}^n \sigma_{tr}(\|s_i - s_j\|)}$$
   wobei $n$ die nominelle Stichprobengröße und $\sigma_{tr}(0)$ die Trace-Varianz ist.
4. Schätzung: In der Praxis ist das Trace-Covariogramm unbekannt. Die Autoren schlagen vor, es über ein empirisches Trace-Variogramm (unter Verwendung der Beziehung $\gamma_{tr}(h) = \sigma_{tr}(0) - \sigma_{tr}(h)$) zu schätzen und ein parametrisches Modell (z. B. exponentiell, sphärisch, Gauß) mittels eines Least-Squares-Ansatzes anzupassen. Ein Plug-in-Schätzer wird anschließend unter Verwendung der angepassten Parameter berechnet.
5. Theoretische Eigenschaften: Das Paper stellt fest, dass unter der Voraussetzung nicht-negativer Trace-Covariogramme gilt: $1 \leq ESS_F \leq n$. Des Weiteren zeigen sie, dass $ESS_F$ intuitiv reagiert: Sie entspricht $n$ bei Unabhängigkeit und $1$ bei perfekter positiver Korrelation. Zudem zeigen die Autoren, dass das Hinzufügen einer unabhängigen Beobachtung die funktionale ESS strikt erhöht.

Wesentliche Beiträge und illustrative Ergebnisse

• Theoretische Erweiterung: Der primäre Beitrag ist die formale Definition der ESS für funktionale räumliche Daten, welche die Lücke zwischen funktionaler Datenanalyse (FDA) und Geostatistik schließt.
• FAR(1)-Modellanalyse: Um das Verhalten des vorgeschlagenen Maßes zu illustrieren, analysieren die Autoren einen funktionalen autoregressiven Prozess erster Ordnung (FAR(1)). Sie leiten einen geschlossenen Ausdruck her, der zeigt, dass die funktionale ESS das gewichtete harmonische Mittel der marginalen ESSs der auf die Eigenfunktionen des Kovarianzoperators projizierten skalaren Prozesse ist. Numerische Studien zeigen:
  • Stärkere temporale Abhängigkeit (höhere Autoregressionskoeffizienten) reduziert die funktionale ESS.
  • Ein langsamerer Abfall der Rauschvarianz über die Eigen-Richtungen (Erhöhung der Anzahl aktiver Komponenten) erhöht die funktionale ESS.
• Anwendung auf Realdaten: Die Methodik wird auf einen Datensatz von geometrischen vertikalen Geschwindigkeiten im Pazifik (NCEP GODAS-Daten) angewendet, bestehend aus 600 räumlichen Positionen mit Geschwindigkeitsprofilen, die an 22 Tiefenebenen gemessen wurden.
  • Drei parametrische Modelle (exponentiell, sphärisch, Gauß) wurden an das empirische Trace-Variogramm angepasst.
  • Die geschätzten $ESS_F$-Werte lagen zwischen etwa 42 und 105, was darauf hindeutet, dass nur etwa 17 % bis 25 % der ursprünglichen Stichprobe erforderlich sind, um die wesentlichen statistischen Informationen zu erfassen.
  • Validierung: Die Autoren validierten diese Ergebnisse durch die Konstruktion funktionaler Boxplots und den Vergleich des vollständigen Datensatzes mit Zufelbstichproben der Größe 106 (der maximal geschätzten ESS). Numerische Metriken (Median-Diskrepanzen, Unterschiede in der Breite der zentralen Region und Einschlussproportionen) bestätigten, dass die Teilproben dem vollständigen Datensatz sehr ähnlich sind, was die Quantifizierung der Redundanz visuell und statistisch stützt.

Bedeutung und Behauptungen
Das Paper behauptet, dass die vorgeschlagene funktionale ESS ein interpretierbares und aussagekräftiges Maß zur Quantifizierung der Redundanz in funktionalen räumlichen Datensätzen bietet. Seine Bedeutung liegt in der Fähigkeit:

1. Subsampling zu leiten: Es bietet eine fundierte Methode zur Auswahl eines reduzierten Satzes von Beobachtungen, was besonders in praktischen Szenarien wertvoll ist, in denen die Datenerhebung kostspielig oder spärlich ist (z. B. ozeanographische Überwachung).
2. Informationen zu bewahren: Die Autoren demonstrieren, dass die Auswahl eines Bruchteils der Daten (z. B. 17 % im Fall der Ozeangeschwindigkeit) die wichtigsten statistischen Merkmale des vollständigen Datensatzes, einschließlich der funktionalen Lage und Dispersion, beibehalten kann.
3. Funktionale Struktur zu berücksichtigen: Der Ansatz berücksichtigt naturgemäß Nicht-Stationaritäten entlang des funktionalen Bereichs (z. B. variierende Geschwindigkeitsschwankungen mit der Meerestiefe), indem Profile als Funktionen statt als diskrete Vektoren dargestellt werden.

Die Autoren schließen mit dem Hinweis, dass die aktuelle Arbeit zwar univariate isotrope funktionale Felder behandelt, zukünftige Forschungsrichtungen jedoch die Erweiterung des Frameworks auf multivariate räumliche funktionale Felder (unter Berücksichtigung von Kreuzkorrelationen), anisotrope Felder sowie die Entwicklung einer Unsicherheitsquantifizierung (asymptotische Eigenschaften) des Schätzers umfassen.