📊 statistics

A review of regularised estimation methods and cross-validation in spatiotemporal statistics

Este artículo de revisión examina los procedimientos de estimación regularizada y las técnicas de validación cruzada para modelos geostatísticos y econométricos espaciales, destacando su utilidad para el manejo de grandes datos geoespaciales mediante la reducción de dimensionalidad, la selección de modelos y el análisis de procesos espaciotemporales multivariados.

Autores originales: Philipp Otto, Alessandro Fassò, Paolo Maranzano

Publicado 2026-04-30

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Philipp Otto, Alessandro Fassò, Paolo Maranzano

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que intentas comprender el clima en todo un continente, o quizás rastrear cómo se propaga una enfermedad a través de un país. Tienes una cantidad masiva de datos: lecturas de temperatura de miles de sensores, niveles de ingresos para cada pueblo o tasas de infección para cada vecindario. Este es el mundo de la estadística espacio-temporal: datos que cambian tanto en el espacio (dónde estás) como en el tiempo (cuándo estás).

¿El problema? Los datos son tan enormes y desordenados que las herramientas matemáticas tradicionales se rompen. Se quedan atascadas en "atascos de tráfico computacional" o intentan encontrar patrones que realmente no existen (sobreajuste).

Este artículo es una guía para un conjunto de herramientas llamadas Estimación Regularizada. Piensa en estas herramientas como un "filtro inteligente" o unas "tijeras de poda digitales" que ayudan a los estadísticos a atravesar el ruido para encontrar la señal real.

Aquí tienes un desglose de las ideas principales del artículo utilizando analogías cotidianas:

1. El Problema: La sopa de "demasiados ingredientes"

Imagina que eres un chef tratando de recrear una sopa compleja. Tienes 1.000 ingredientes posibles (variables) y una receta que cambia cada hora (tiempo) y en cada cocina (espacio).

El Desafío: Si intentas usar los 1.000 ingredientes, la olla explota (complejidad computacional) y la sopa no sabe a nada (sobreajuste). No sabes qué ingredientes realmente importan.
La Solución (Regularización): Esto es como tener una regla estricta: "Solo puedes usar los 10 mejores ingredientes". La regularización obliga al modelo a ignorar los ingredientes inútiles y centrarse solo en aquellos que realmente afectan el sabor.

2. Las Dos Maneras Principales de Cocinar (Los Modelos)

El artículo discute dos formas principales en que los estadísticos modelan estos datos, que son como dos estilos de cocina diferentes:

Geostadística (La Manta Suave):
- Analogía: Imagina una manta suave y elástica que cubre todo el continente. Si tiras de la manta hacia arriba en un punto, toda la manta se mueve ligeramente.
- Cómo funciona: Este método asume que las cosas cercanas entre sí son similares. Utiliza una "regla de distancia" (si dos sensores están a 1 milla de distancia, sus datos son muy similares; si están a 100 millas de distancia, son menos similares).
- El Giro de la Regularización: A veces la manta es demasiado gruesa o tiene demasiadas arrugas. La regularización ayuda a "alisar" la manta encontrando la versión más simple que aún se ajusta a los datos, o determinando qué partes de la manta son realmente independientes (no conectadas).
Autoregresión Espacial (La Conversa del Vecindario):
- Analogía: Imagina una fila de casas. La temperatura en tu casa no solo depende del clima; también está influenciada por tus vecinos inmediatos. Si tu vecino enciende su aire acondicionado, tu casa podría enfriarse.
- Cómo funciona: Este método vincula explícitamente una ubicación con sus vecinos utilizando una "Matriz de Pesos" (un mapa de quién habla con quién).
- El Giro de la Regularización: Por lo general, asumimos que sabemos exactamente quiénes son los vecinos. Pero, ¿y si no lo sabemos? La regularización actúa como un detective, tratando de descubrir las conexiones reales entre vecinos probando diferentes mapas y conservando solo los que tienen sentido, mientras ignora las conexiones falsas.

3. Las Herramientas de "Poda" (LASSO y Contracción)

El artículo se centra intensamente en una técnica específica llamada LASSO (Operador de Selección y Contracción de Mínimos Absolutos).

La Metáfora: Imagina un jardín con 1.000 plantas. Quieres conservar solo las 50 que están sanas.
Cómo funciona: LASSO aplica una "penalización" a cada planta. Si una planta (una variable) no contribuye mucho a la belleza del jardín, la penalización la obliga a encogerse hasta que desaparece por completo (se vuelve cero).
El Resultado: Te quedas con un jardín limpio y manejable, solo con las plantas más importantes. Esto ayuda en la Selección de Variables (elegir los ingredientes correctos) y en la Reducción de Dimensiones (hacer que las matemáticas sean más rápidas).

4. El Peligro de "Hacer Trampa" (Validación Cruzada)

Para saber si tus tijeras de poda funcionan, necesitas probarlas. No puedes simplemente mirar las plantas que ya cortaste; necesitas ver qué tan bien el modelo predice nuevas plantas. Esto se llama Validación Cruzada.

La Trampa: En datos normales, puedes elegir plantas al azar para probar. Pero en el espacio y el tiempo, las plantas están conectadas. Si pruebas una planta justo al lado de una que usaste para entrenar, estás haciendo trampa. Es como tomar un examen donde miras las respuestas de tu vecino porque ambos viven en la misma casa.
La Solución: El artículo explica que debes usar Validación Cruzada por Bloques.
- Tiempo: No pruebes el clima de mañana usando datos de hoy si intentas predecir la próxima semana. Debes dejar una "zona de amortiguación" de tiempo entre el entrenamiento y la prueba.
- Espacio: No pruebes una ciudad usando datos de la ciudad justo al lado. Debes dejar una "zona de amortiguación" de espacio vacío entre tu mapa de entrenamiento y tu mapa de prueba.
- El Objetivo: Esto asegura que el modelo esté realmente aprendiendo las reglas del mundo, no solo memorizando el chisme del vecindario.

5. El Futuro: Dibujar el Mapa Mismo

Una de las partes más interesantes del artículo es una sugerencia para el futuro. Por lo general, asumimos que conocemos el "mapa del vecindario" (la matriz de pesos) de antemano.

La Idea: ¿Y si usamos estas herramientas de poda para dibujar el mapa por nosotros?
La Analogía: En lugar de asumir que una carretera específica conecta dos pueblos, dejamos que los datos nos digan qué carreteras existen. Si los datos muestran que no hay conexión, la herramienta "poda" esa carretera. Esto nos ayuda a descubrir relaciones ocultas en los datos que no sabíamos que existían.

Resumen

Este artículo es una revisión de filtros inteligentes para mapas masivos y desordenados de datos. Nos enseña cómo:

Eliminar el ruido (eliminar variables inútiles).
Simplificar las matemáticas (hacer que los conjuntos de datos grandes sean manejables).
Probar con justicia (evitar hacer trampa usando "zonas de amortiguación" adecuadas en el tiempo y el espacio).

Los autores argumentan que, aunque el aprendizaje profundo (IA) es poderoso, a menudo es una "caja negra" que no podemos entender. Estos métodos regularizados son como una ventana clara: nos dan predicciones poderosas mientras nos permiten ver por qué el modelo hizo esas predicciones, lo cual es crucial para la ciencia, la economía y las políticas públicas.

A continuación se presenta un resumen técnico detallado del artículo de revisión "A review of regularised estimation methods and cross-validation in spatiotemporal statistics" de Otto, Fassò y Maranzano.

1. Planteamiento del Problema

El análisis de datos geoespaciales y espacio-temporales se ha vuelto cada vez más complejo debido a la explosión de los "grandes datos geoespaciales" (por ejemplo, teledetección, LiDAR, datos generados por crowdsourcing). Este crecimiento presenta dos desafíos estadísticos principales:

Complejidad Computacional: A medida que aumenta el número de ubicaciones espaciales ( $N$ ) y variables ( $q$ ), la dimensionalidad de la matriz de covarianza de las observaciones crece hasta $qNT \times qNT$ . Invertir esta matriz tiene un costo computacional cúbico ( $O(N^3)$ ), lo que hace inviable la estimación de máxima verosimilitud estándar para conjuntos de datos grandes.
Selección de Modelos e Interpretabilidad: Los métodos tradicionales de selección paso a paso son computacionalmente ineficientes y luchan en entornos de alta dimensionalidad. Además, aunque los modelos de aprendizaje profundo son potentes, a menudo carecen de interpretabilidad (naturaleza de "caja negra"), mientras que los modelos geostadísticos y econométricos espaciales requieren estructuras interpretables para comprender las dependencias espaciales y las relaciones entre variables.

El artículo aborda la necesidad de procedimientos de estimación regularizada para manejar la reducción de dimensionalidad, la selección de variables y la estimación de estructuras complejas de dependencia espacial, manteniendo al mismo tiempo la eficiencia computacional y la interpretabilidad del modelo.

2. Marco Metodológico

Los autores estructuran su revisión en torno a un marco de modelos espacio-temporales de efectos mixtos:
$Y_t(s) = \mu_t(s) + \omega_t(s) + \varepsilon_t(s)$
Donde:

$\mu_t(s)$ : Componente de efectos fijos (comportamiento medio, variables exógenas).
$\omega_t(s)$ : Componente de efectos aleatorios (dependencia espacial/temporal, heterogeneidad).
$\varepsilon_t(s)$ : Error estocástico (ruido blanco).

La revisión categoriza las técnicas de regularización en función del componente que atacan y del tipo de modelo espacial utilizado:

A. Modelos Geostadísticos (Espacio Continuo)

Estos modelos utilizan funciones de covarianza basadas en la distancia (por ejemplo, euclidiana, círculo máximo).

Regularización de Efectos Fijos: Se centra en la selección de variables (selección de predictores) utilizando LASSO (Operador de Encogimiento y Selección de Mínimos Absolutos) y sus extensiones (LASSO Adaptativo, LASSO de Grupo).
- Desafío: El LASSO estándar falla con predictores correlacionados. El LASSO Adaptativo se destaca como la solución para garantizar la consistencia en la selección incluso con covariables cruzadamente correlacionadas.
- Técnicas: Estimación de Máxima Verosimilitud Penalizada (PMLE), estimadores dispersos de un paso y atenuación de covarianza para aproximar verosimilitudes.
Regularización de Efectos Aleatorios: Se centra en la estructura de la matriz de covarianza/precisión.
- Matrices de Precisión Dispersas: Uso de LASSO gráfico para inducer ceros en la matriz de covarianza inversa, implicando independencia condicional entre ubicaciones distantes.
- Aproximaciones de Rango Bajo: Uso de estimación penalizada para seleccionar un subconjunto de funciones base locales (por ejemplo, mediante descomposición de Cholesky) para reducir el rango de la matriz de covarianza, disminuyendo así el costo computacional.

B. Modelos de Autoregresión Espacial (Datos Discretos/Red)

Estos modelos (SAR, CAR) correlacionan explícitamente la variable de respuesta con observaciones adyacentes mediante una matriz de pesos $W$ .

Regularización del Modelo de Medias: Aplicación de LASSO para seleccionar regresores relevantes en presencia de rezagos espaciales.
Regularización de Estructura:
- Selección de Matriz de Pesos: En lugar de asumir una $W$ fija, la regularización se utiliza para seleccionar la matriz de pesos óptima de un conjunto de candidatos (por ejemplo, pesos direccionales) o para estimar la matriz completa $W$ (a menudo requiriendo restricciones estructurales como triangularidad o bloque-diagonalidad para la identificabilidad).
- Estimación Conjunta: Métodos que estiman simultáneamente los coeficientes de regresión, los parámetros autorregresivos y la matriz de pesos espaciales.

C. Enfoques Bayesianos

El artículo revisa la penalización bayesiana, que trata el parámetro de penalización $\lambda$ como un hiperparámetro.

Priors de Encogimiento: Uso de priores como la distribución Laplace (para LASSO) o la distribución Normal (para Ridge) para encoger coeficientes.
Modelos Jerárquicos: Uso de Aproximaciones de Laplace Anidadas Integradas (INLA) para inferencia eficiente en grandes conjuntos de datos.
Selección de Modelos: Técnicas como priores Spike-and-Slab y el prior $g$ de Zellner para la selección de variables en contextos espacio-temporales.

3. Contribuciones Clave: Validación Cruzada (CV) bajo Dependencia

Una parte significativa del artículo se dedica a las estrategias de Validación Cruzada (CV), argumentando que la CV aleatoria estándar falla para datos espacio-temporales debido a la autocorrelación (lo que conduce a estimaciones de rendimiento excesivamente optimistas).

Los autores proponen esquemas de CV Orientada al Objetivo que respetan la estructura de los datos:

CV Temporal: Utiliza bloqueo (por ejemplo, subconjuntos bloqueados en $k$ pliegues, validación hacia adelante) para preservar el orden temporal y prevenir la fuga de datos desde el futuro hacia el pasado.
CV Espacial: Utiliza amortiguación o bloqueo espacial para garantizar que los conjuntos de entrenamiento y prueba sean espacialmente independientes.
- Métodos: Leave-One-Location-Out Espacial (SLOO), $k$ -fold Espacial, y amortiguación basada en rangos de variograma.
- Concepto: Introducción del "Área de Aplicabilidad" (AOA) para definir zonas de predicción válidas.
CV Espacio-Temporal: Combina bloqueo espacial y temporal.
- LTO (Leave-Time-Out): Itera sobre bloques de tiempo.
- LLO (Leave-Location-Out): Itera sobre bloques espaciales.
- LLTO (Leave-Location-and-Time-Out): Itera sobre celdas espacio-temporales.
- NNDM (Nearest Neighbour Distance Matching): Una variante que asegura que la distribución de distancias entre los conjuntos de entrenamiento y prueba coincida con el escenario de predicción.

4. Resultados y Hallazgos

Eficiencia: Los métodos regularizados (PMLE, LASSO) reducen significativamente la carga computacional al inducir dispersión en las matrices de covarianza/precisión y seleccionar variables relevantes, haciendo factible el análisis a gran escala.
Consistencia en la Selección: El LASSO Adaptativo y los priores de encogimiento bayesianos proporcionan una selección de modelos consistente incluso cuando los predictores están altamente correlacionados, un problema común en datos geoespaciales.
Compensación Sesgo-Varianza: La regularización introduce sesgo pero reduce la varianza, lo que conduce a un mejor rendimiento predictivo fuera de la muestra en comparación con modelos no penalizados, siempre que el parámetro de penalización $\lambda$ se ajuste correctamente.
Importancia de la Estrategia de CV: La revisión demuestra que ignorar la dependencia espacio-temporal en la CV conduce a un sobreajuste severo. Los esquemas orientados al objetivo (LLO, LTO, LLTO) son esenciales para obtener estimaciones imparciales de la precisión predictiva.
Ecosistema de Software: El artículo cataloga paquetes de R (sperrorest, blockCV, CAST, mlr3spatiotempcv) y herramientas de MATLAB que implementan estas técnicas específicas de CV y regularización.

5. Significado y Direcciones Futuras

Interpretabilidad vs. Cajas Negras: El artículo aboga por modelos estadísticos regularizados sobre el aprendizaje profundo en escenarios donde es crucial comprender los mecanismos espaciales subyacentes (por ejemplo, identificar impulsores específicos de la contaminación o enfermedades).
Cerrando la Brecha: Proporciona un marco unificado que conecta la geostadística (continua) y la econometría espacial (discreta) a través de la lente de la regularización.
Investigación Futura:
- Estimación de Funciones de Covarianza: Desarrollo de splines regularizados para estimar funciones de covarianza espacial automáticamente mientras se garantiza la definida positiva.
- Estimación de Matriz de Pesos: Ir más allá de las matrices de pesos fijas en la autoregresión espacial para estimar completamente $W$ utilizando regularización, potencialmente utilizando matrices basadas en la distancia como objetivos de encogimiento para mantener la interpretabilidad geográfica.
- Escalabilidad: Mejorar aún más la eficiencia computacional para conjuntos de datos masivos (por ejemplo, mediante muestreo reescalable o computación distribuida).

En conclusión, esta revisión sirve como una guía integral para estadísticos y científicos de datos, estableciendo la regularización y la validación cruzada especializada como el kit de herramientas estándar para analizar datos espacio-temporales modernos de alta dimensionalidad.