M-SGWR: Multiscale Similarity and Geographically Weighted Regression

Resumen Técnico de M-SGWR: Regresión Ponderada Geográficamente y por Similitud Multiescala

Planteamiento del Problema
Los modelos de regresión local tradicionales, como la Regresión Ponderada Geográficamente (GWR) y la Regresión Ponderada Geográficamente Multiescala (MGWR), dependen exclusivamente de la proximidad geográfica (distancia física) para cuantificar las relaciones espaciales, adhiriéndose a la Primera Ley de la Geografía de Tobler. Sin embargo, en una era de globalización y conectividad digital, la distancia geográfica por sí sola suele ser insuficiente para capturar cómo se interconectan las ubicaciones. Fenómenos como la difusión de enfermedades, los vínculos de redes sociales y los flujos económicos son frecuentemente impulsados por la "conectividad funcional" o la similitud de atributos (por ejemplo, idioma compartido, rutas de viaje, contexto socioeconómico) en lugar de la cercanía física. Además, los modelos existentes como MGWR permiten escalas espaciales específicas para cada variable (anchuras de banda o bandwidths), pero siguen restringiendo la dependencia espacial a una sola dimensión (el espacio geográfico). Los autores argumentan que asumir una escala uniforme o depender únicamente de la distancia euclidiana puede conducir a estimaciones sesgadas y a una representación errónea de las interacciones espaciales, particularmente cuando la "cercanía remota" (similitud en el espacio de atributos) desempeña un papel significativo.

Metodología
El artículo propone M-SGWR (Regresión Ponderada Geográficamente y por Similitud Multiescala), un nuevo marco de regresión local que caracteriza la interacción espacial a través de dos dimensiones: el espacio geográfico y el espacio de atributos (variables).

1. Matrices de Pesos Duales: Para cada variable predictora $j$, el modelo construye dos matrices de pesos separadas:
   • Una matriz de peso geográfico ($W_G^{(j)}$) basada en el decaimiento de la distancia (utilizando un núcleo bi-cuadrático adaptativo).
   • Una matriz de peso de similitud de atributos ($W_S^{(j)}$) basada en la similitud de los valores de los predictores entre ubicaciones, normalizada por la desviación estándar local.
2. Parámetro de Mezcla Específico de la Variable ($\alpha$): A diferencia del modelo SGWR, que aplica un único parámetro de mezcla ($\alpha$) global para todos los predictores, M-SGWR asigna un $\alpha_j$ distinto a cada variable independiente. Este parámetro, que oscila entre 0 y 1, gobierna la contribución relativa de la proximidad geográfica frente a la similitud de atributos:
   • $\alpha_j \approx 1$: La relación está impulsada principalmente por la proximidad geográfica.
   • $\alpha_j \approx 0$: La relación está impulsada principalmente por la similitud de atributos.
   • $0 < \alpha_j < 1$: Un efecto mixto donde ambas dimensiones contribuyen.
3. Optimización Multiescala: El modelo emplea un algoritmo de backfitting para optimizar simultáneamente dos conjuntos de parámetros para cada predictor:
   • Anchura de banda ($bw_j$): Controla la escala espacial (variación local vs. global) para cada variable.
   • Parámetro de mezcla ($\alpha_j$): Controla el equilibrio entre los pesos geográficos y de atributos.
   • La optimización se realiza utilizando puntuaciones de AICc o Validación Cruzada (CV), utilizando estrategias de división y conquista (divide-and-conquer) o de búsqueda de máxima pendiente (greedy hill-climbing) para encontrar el $\alpha$ óptimo para cada anchura de banda candidata.
4. Formulación Matemática: El coeficiente local $\beta_j$ en la ubicación $i$ se estima mediante un enfoque de mínimos cuadrados ponderados donde la matriz de pesos combinada $W_{GS}^{(j)}$ es una combinación lineal de $W_G^{(j)}$ y $W_S^{(j)}$ ponderada por $\alpha_j$ y $(1-\alpha_j)$, respectivamente.

Contribuciones Clave

• Extensión de SGWR a Multiescala: El artículo extiende el marco de la Regresión Ponderada por Similitud y Geográficamente (SGWR) al introducir anchuras de banda y parámetros de mezcla específicos para cada variable, lo que permite al modelo distinguir entre procesos que son puramente geográficos, puramente impulsados por atributos o mixtos.
• Marco Unificado: M-SGWR se presenta como un modelo unificado que abarca GWR, SGWR y MGWR como casos especiales. Dependiendo de los parámetros optimizados, puede reducirse a un GWR estándar (anchura de banda única, $\alpha=1$), SGWR (anchura de banda única, $\alpha$ mixto) o MGWR (anchura de banda por variable, $\alpha=1$).
• Manejo de Procesos Espaciales No Suaves: Al incorporar la similitud de atributos, el modelo puede capturar la "cercanía remota" y los patrones espaciales fragmentados que los núcleos basados en la distancia tradicionales tienden a suavizar excesivamente.

Resultados
El estudio evalúa M-SGWR utilizando dos experimentos de simulación y una aplicación empírica (casos de COVID-19 en el sureste de EE. UU.):

1. Simulación de Efectos Mixtos: En un conjunto de datos donde algunos coeficientes seguían superficies geográficas suaves y otros seguían patrones irregulares impulsados por atributos, M-SGR superó significativamente a MGWR.
   • M-SGWR logró un Error Cuadrático Medio (RMSE) menor para todos los coeficientes.
   • Identificó correctamente $\alpha=1$ para variables puramente geográficas y $\alpha < 1$ para variables mixtas, mientras que MGWR no logró capturar las variaciones no suaves impulsadas por atributos, produciendo estimaciones excesivamente suavizadas.
   • Las métricas de bondad de ajuste (R² ajustado, AICc, RSS) fueron superiores para M-SGWR.
2. Simulación Puramente Geográfica: Cuando los datos fueron generados puramente por proximidad geográfica, M-SGWR convergió a la solución de MGWR (todos los $\alpha_j = 1$), demostrando que el modelo no fuerza el pesaje de atributos cuando no es necesario y permanece consistente con los métodos geográficamente ponderados establecidos.
3. Aplicación Empírica (COVID-19): Aplicado a datos a nivel de condado, M-SGWR superó a OLS, GWR, SGWR y MGWR en todas las métricas (el R² ajustado aumentó de 0.701 en MGWR a 0.782 en M-SGWR; el AICc y el RMSE se minimizaron).
   • El modelo reveló que los predictores como el porcentaje de población hispana y los ingresos medios tenían valores de $\alpha$ bajos (por ejemplo, 0.143 y 0.205), lo que indica que su influencia en los casos de COVID-19 está impulsada más por la similitud socioeconómica que por la proximidad física.
   • La autocorrelación espacial de los residuos (Moran's I) se redujo en M-SGWR en comparación con otros modelos.

Significancia y Reivindicaciones
El artículo afirma que M-SGWR ofrece una representación más matizada y precisa de las interacciones espaciales en un mundo complejo y globalmente conectado. Al ir más allá de la restricción de la distancia geográfica únicamente, el modelo reconoce que "cerca" y "relacionado" son conceptos multidimensionales. Los autores sostienen que M-SGWR mejora el ajuste del modelo, la inferencia y la interpretabilidad al permitir que cada predictor "aprenda" su propio equilibrio entre el pesaje espacial y el de atributos. Esta flexibilidad permite al modelo capturar patrones espaciales complejos, incluyendo la "cercanía remota", que los modelos tradicionales suelen pasar por alto. El estudio concluye que, si bien la distancia geográfica sigue siendo válida para procesos puramente físicos, las interacciones sociales contemporáneas a menudo requieren la integración del espacio de atributos para comprender plenamente la dependencia espacial.

Limitaciones Reconocidas por los Autores
Los autores señalan que M-SGWR es computacionalmente más intensivo que MGWR debido a la optimización adicional de $\alpha$ y los cálculos de los pesos de atributos. Sugieren que trabajos futuros podrían explorar la optimización simultánea de la anchura de banda y $\alpha$, métodos de búsqueda metaheurística alternativos para evitar mínimos locales, y la aplicación de computación paralela para manejar conjuntos de datos más grandes. También hacen un llamado a probar el modelo en una gama más amplia de conjuntos de datos y funciones de núcleo.