Nonparametric regression of spatio-temporal data using infinite-dimensional covariates

यहाँ रॉय एट अल. के शोध पत्र "Nonparametric regression of spatio-temporal data using infinite-dimensional covariates" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र स्पैटियो-टेम्पोरल (स्थानिक-कालिक) विश्लेषण में एक महत्वपूर्ण अंतराल को संबोधित करता है जहाँ डेटा अनियमित समय अंतराल और परिवर्तनीय स्थानिक स्थानों (जैसे सेंसर की विफलता, गतिशील तैनाती) पर एकत्र किया जाता है, जबकि व्याख्यात्मक चर (covariates) अनंत-आयामी (infinite-dimensional) या कार्यात्मक (functional) प्रकृति के होते हैं।

• चुनौती: मौजूदा विधियाँ इस सेटिंग में विफल हो जाती हैं क्योंकि:
  • मानक कार्यात्मक डेटा विश्लेषण (functional data analysis) i.i.d. डेटा मानता है, जो अस्थायी निर्भरता (temporal dependence) की उपेक्षा करता है।
  • मानक कार्यात्मक समय श्रृंखला (functional time series) विधियाँ नियमित समय ग्रिड और निश्चित स्थानिक डिजाइनों को मानती हैं।
  • नॉनपैरामेट्रिक स्पैटियो-टेम्पोरल रिग्रेशन आमतौर पर परिमित-आयामी (finite-dimensional) सहचरों और नियमित ग्रिडों पर निर्भर करता है।
• विशिष्ट संदर्भ: लेखक एक प्रतिक्रिया $Y_t(s)$ (जैसे वायु प्रदूषण स्तर) को मॉडल करने का लक्ष्य रखते हैं, जो समय $t$ और स्थान $s$ पर आधारित है, और जो एक सहचर प्रक्रिया $X_t$ द्वारा संचालित है जो अनंत-आयामी (जैसे सभी स्थानों पर कई प्रदूषकों का ऐतिहासिक समय-श्रृंखला) है और जटिल अस्थायी निर्भरता प्रदर्शित करती है।
• मॉडल:
  $$Y_t(s) = \mu(X_t, s) + \sigma(X_t, s)\epsilon_t(s)$$
  जहाँ $\mu$ और $\sigma$ अज्ञात स्मूथ फलन (smooth functions) हैं, और $\epsilon_t(s)$ स्थानिक रूप से सहसंबंधित लेकिन अस्थायी रूप से स्वतंत्र त्रुटियाँ हैं।

2. कार्यप्रणाली (Methodology)

A. गणितीय ढांचा और धारणाएँ (Mathematical Framework & Assumptions)

• अनंत-आयामी सहचर (Infinite-Dimensional Covariates): सहचर $X_t$ एक अमूर्त स्थान $\chi \subseteq \mathbb{R}^\infty$ में मान लेता है। लेखक मानते हैं कि $\chi$ एक भारित $L^2$ बेनाच स्पेस (Banach space) का उप-स्थान है ताकि स्केल्ड नॉर्म्स को परिभाषित किया जा सके।
• निर्भरता संरचना (मुख्य नवाचार): मानक मिश्रण स्थितियों (जैसे $\alpha$-mixing या $\beta$-mixing) पर निर्भर रहने के बजाय, जो अक्सर अनंत-क्रम लैग वाले अनंत-आयामी प्रक्रियाओं के लिए विफल हो जाती हैं, लेखक एक पॉलीनोमियलली डिकेइंग मोमेंट कॉन्ट्रैक्शन (PMC) स्थिति पेश करते हैं।
  • $X_t$ को पिछले i.i.d. नवाचारों ($X_t = G_t(\dots, Z_{t-1}, Z_t)$) के एक फलन के रूप में मॉडल किया जाता है।
  • यह निर्भरता बहुपद रूप से घटती है: $\theta^2(m) = \mathcal{O}(m^{-\tau})$ जहाँ $\tau > 2$ है। यह जियोमेट्रिक मोमेंट कॉन्ट्रैक्शन (GMC) की तुलना में एक कमजोर स्थिति है और उन प्रक्रियाओं की अनुमति देती है जो 'मिक्सिंग' नहीं हैं।
• स्थानिक सहसंबंध (Spatial Correlation): त्रुटि पद $\epsilon_t(s)$ का एक स्थानिक सहप्रसरण (covariance) ढांचा $\rho(s_1, s_2)$ है जो दूरी के साथ बहुपद रूप से घटता है।
• सीरीज विस्तार (Series Expansion): माध्य और विचरण फलनों को एक गणनीय ऑर्थोनॉर्मल आधार $\{b_k(s)\}$ (जैसे स्प्लाइन्स, वेवलेट्स, या बहुपद) का उपयोग करके विघटित किया जाता है:
  $$\mu(x, s) = \sum_{k=1}^\infty \mu_k(x)b_k(s), \quad \sigma(x, s) = \sum_{k=1}^\infty \sigma_k(x)b_k(s)$$

B. अनुमान प्रक्रिया (Estimation Procedure)

अनुमान एक दो-चरणीय प्रक्रिया है:

1. स्थानिक एकत्रीकरण (संशोधित मोंटे-कार्लो):
   चूंकि $Y_t(s)$ अनियमित स्थानों पर देखा जाता है, इसलिए निरंतर समाकल (integral) $\int Y_t(s)b_k(s)ds$ को सीधे नहीं निकाला जा सकता। लेखक एक संशोधित मोंटे-कार्लो प्रक्रिया प्रस्तावित करते हैं:

   • स्थानिक डोमेन को "प्रभावी स्थानिक रिज़ॉल्यूशन" (अवलोकित बिंदुओं के घनत्व) के आधार पर हाइपरक्यूब्स के ग्रिड में विभाजित किया जाता है।
   • प्रत्येक ग्रिड सेल के लिए एक प्रतिनिधि बिंदु चुना जाता है।
   • समाकल को इन प्रतिनिधि बिंदुओं के भारित योग द्वारा अनुमानित किया जाता है, जो समान कवरेज सुनिश्चित करता है और सहप्रसरण पूर्वाग्रह (covariance bias) को नियंत्रित करता है।

2. कर्नेल रिग्रेशन (Kernel Regression):
   एक बार जब स्थानिक रूप से एकत्रित प्रतिक्रिया $Y^*_{tk}$ का अनुमान लग जाता है, तो समस्या अनंत-आयामी सहचरों वाले नॉनलीनर रिग्रेशन मॉडल में घटक फलनों $\mu_k(x)$ का अनुमान लगाने में बदल जाती है।

   • एक नाडाराया-वाट्सन प्रकार का कर्नेल एस्टीमेटर उपयोग किया जाता है, जिसे एक स्केल्ड डिस्टेंस मेट्रिक और बैंडविड्थ मैट्रिक्स का उपयोग करके अनंत-आयामी स्थान के लिए अनुकूलित किया गया है।
   • $k$-वें घटक के लिए एस्टीमेटर है:
     $$\hat{\mu}_k(x) = \frac{\sum_{i=1}^n \mathcal{K}(H_n^{-1}(x - X_{t_i})) \hat{Y}^*_{t_i k}}{\sum_{i=1}^n \mathcal{K}(H_n^{-1}(x - X_{t_i}))}$$

C. निष्कर्ष (Inference)

• एसिम्प्टोटिक नॉर्मलिटी (Asymptotic Normality): लेखक एस्टीमेटर के एसिम्प्टोटिक वितरण को व्युत्पन्न करते हैं, यह सिद्ध करते हुए कि उचित सामान्यीकरण (normalization) के बाद यह एक सामान्य वितरण की ओर अभिसरित होता है।
• सिमल्टेनियस कॉन्फिडेंस बैंड्स (Simultaneous Confidence Bands): एक्सट्रीम वैल्यू थ्योरी (गिम्बेल वितरण) का उपयोग करके, वे सहचर स्थान के घने उपसमुच्चय और स्थानिक डोमेन पर संपूर्ण माध्य फलन $\mu(x, s)$ के लिए सिमल्टेनियस कॉन्फिडेंस इंटरवल का निर्माण करते हैं।

3. मुख्य योगदान (Key Contributions)

1. नवाचारपूर्ण मॉडल ढांचा: एक ऐसा पहला नॉनपैरामेट्रिक रिग्रेशन मॉडल प्रस्तावित करता है जो अनियमित सैंपलिंग (समय और स्थान दोनों में) और अनंत-आयामी सहचरों को एक साथ संभालता है।
2. कमजोर निर्भरता धारणाएँ: मानक, अक्सर अन-चेकेबल 'मिक्सिंग' स्थितियों को PMC स्थिति से बदल देता है। यह सिद्धांत को अनंत-क्रम लैग और निर्भरता के बहुपद क्षय वाली प्रक्रियाओं को कवर करने की अनुमति देता है, जो मिक्सिंग धारणाओं के कारण बाहर रह जाती हैं।
3. कम मोमेंट आवश्यकताएँ: इस कार्यप्रणाली के लिए सहचरों के लिए केवल द्वितीय-क्रम स्थिरता (second-order stationarity) की आवश्यकता है और यह उच्च-क्रम मोमेंट्स (जैसे 4th या $(2+\delta)$-th moments) की मांग नहीं करता है जो पिछले अनंत-आयामी रिग्रेशन अध्ययनों में आवश्यक थे।
4. सिमल्टेनियस इन्फरेंस: सिमल्टेनियस कॉन्फिडेंस बैंड्स के निर्माण के लिए एक कठोर ढांचा प्रदान करता है, जिससे केवल बिंदु-वार (point-wise) निष्कर्ष के बजाय माध्य सतह के आकार के लिए परिकल्पना परीक्षण (hypothesis testing) संभव होता है।

4. परिणाम (Results)

सैद्धांतिक परिणाम (Theoretical Results)

• संगति (Consistency): यह सिद्ध किया गया है कि जैसे-जैसे $n \to \infty$, माध्य घटक $\hat{\mu}_k(x)$ और पूर्ण सतह $\hat{\mu}(x, s)$ के एस्टीमेटर्स सुसंगत ($o_P(1)$) हैं।
• एसिम्प्टोटिक नॉर्मलिटी: सामान्यीकृत एस्टीमेटर एक मानक सामान्य वितरण की ओर अभिसरित होता है।
• विचरण अनुमान (Variance Estimation): सहप्रसरण ऑपरेटर के लिए एक सुसंगत एस्टीमेटर व्युत्पन्न किया गया है, जो कॉन्फिडेंस बैंड्स के निर्माण को सक्षम बनाता है।

प्रायोगिक अनुप्रयोग (Empirical Applications)

1. दिल्ली में वायु प्रदूषण:

   • डेटा: दिल्ली में 38 स्टेशनों से PM2.5 माप (2015-2020), जिसमें अनियमित डेटा अनुपलब्धता (missingness) है।
   • सहचर: सभी स्टेशनों पर कई प्रदूषकों का अनंत-आयामी इतिहास।
   • निष्कर्ष: मॉडल ने स्थानिक विषमता (केंद्रीय दिल्ली बनाम उपनगरों में उच्च प्रदूषण) और अस्थायी पैटर्न (मौसमी परिवर्तन) को सफलतापूर्वक कैप्चर किया। इसने दिखाया कि सटीक भविष्यवाणी के लिए केंद्रीय स्टेशनों को परिधीय स्टेशनों की तुलना में कम स्थानिक सहचरों की आवश्यकता होती है।
   • वैलिडेशन: संवेदनशीलता विश्लेषण (Sensitivity analysis) ने दिखाया कि मॉडल प्रशिक्षित (in-training) और गैर-प्रशिक्षित (out-of-training) स्थानों के लिए समान रूप से अच्छा प्रदर्शन करता है (Diebold-Mariano टेस्ट द्वारा प्रमाणित)।

2. सॉकर शॉट विश्लेषण (पूरक):

   • डेटा: आर्सेनल, लिवरपूल और मैनचेस्टर सिटी के लिए 'एक्सपेक्टेड गोल्स' (xG)।
   • सहचर: सीजन के दौरान टीम प्रदर्शन मेट्रिक्स।
   • निष्कर्ष: मॉडल ने विशिष्ट स्थानिक आक्रमण प्रोफाइल की पहचान की। उदाहरण के लिए, आर्सेनल के 2024/25 सीजन ने पेनल्टी बॉक्स के बाहर मध्यम xG का एक व्यापक क्षेत्र दिखाया, जो उनके बेहतर लीग स्टैंडिंग के साथ सहसंबंधित था, जबकि लिवरपूल ने बॉक्स के अंदर उच्च-xG का केंद्रित पैटर्न दिखाया।

3. सिमुलेशन अध्ययन:

   • सिमुलेशन ने पुष्टि की कि जैसे-जैसे स्थानिक ग्रिड बिंदुओं की संख्या बढ़ती है, मीन एब्सोल्यूट परसेंटेज एरर (MAPE) कम होता जाता है, जो स्थानिक एकत्रीकरण पद्धति की संगति (consistency) को मान्य करता है।
   • एस्टीमेटर तब भी मजबूत रहा जब सहचरों को लैग्ड (lagged) किया गया या आंशिक रूप से देखा गया।

5. महत्व (Significance)

यह शोध पत्र फंक्शनल डेटा एनालिसिस और स्पैटियो-टेम्पोरल सांख्यिकी के बीच के अंतर को पाटता है। PMC तक निर्भरता धारणाओं को शिथिल करके, यह जटिल, वास्तविक दुनिया के डेटासेट (जैसे पर्यावरणीय निगरानी या उच्च-आवृत्ति वित्तीय डेटा) के विश्लेषण के द्वार खोलता है जहाँ:

• सेंसर विफल होते हैं या चलते रहते हैं (अनियमित स्थानिक सैंपलिंग)।
• डेटा अनियमित समय पर आता है।
• भविष्यवक्ता (predictors) पूरी वक्र (curves) या उच्च-आयामी इतिहास होते हैं।

सिमल्टेनियस कॉन्फिडेंस बैंड्स प्रदान करने की क्षमता, बिना मजबूत मिक्सिंग धारणाओं के, आधुनिक और जटिल डेटा वातावरण में कठोर सांख्यिकीय निष्कर्ष के लिए एक शक्तिशाली उपकरण बनाती है।