Connecting reflective asymmetries in multivariate spatial and spatio-temporal covariances

技術要約：多変量空間および時空間共分散における反射的非対称性の結合

問題提起
多変量空間データおよび単変量時空間データの解析において、非対称な依存構造は頻繁に観察されるが、それらを効果的にモデル化することはしばしば困難である。標準的なガウス過程フレームワークは対称な共分散関数に依存しているが、大気の移流や海洋流のような現実世界の現象は方向性を示すことが多い。このような時空間データの非対称性をモデル化するための主流のアプローチは、ラグランジュ・モデルであり、これは非対称性を方向性（例：風による輸送）を伴って進化するプロセスとして解釈する。しかし、ラグランジュ・モデルには限界がある。すなわち、対称なモデルを特殊なケースとして自然に含んでいないため（対称性に関する尤度比検定が困難）、周辺的な空間および時間共分散を独立して制御することが限定的であり、特に高次元空間においては多くのパラメータを必要とする。さらに、既存の非対称な多変量空間モデルは、主に1次元の設定または特定の関数形式に限定されてきた。

手法
本論文では、「反射的非対称性（reflective asymmetry）」と称される新しいパラダイムを導入し、多変量空間データのための最新のスペクトル領域構成を活用して、非対称な時空間共分散を開発する。

1. 空間データにおける反射的非対称性：
   著者らは、非対称な多変量空間クロス共分散を任意の次元 $d$ へと拡張する。これらの共分散は、対称な空間共バリアンスのスペクトル密度 $f(x)$ に、項 $-i \text{sign}(\langle x, \tilde{x} \rangle)$ （ここで $\tilde{x}$ は単位方向ベクトル）を乗じることで構築される。この操作により、クロス共分散に奇関数の成分が導入され、原点を中心とした「反射的」な非対称性が生成される。

• 本論文では、平方指数型（Squared-Exponential）、コーシー（Cauchy）、およびマテーン（Matérn）共分散の非対称部分に関する閉形式の表現を、一般次元 $d$ において導出している。平方指数型およびコーシーモデルについては、虚数誤差関数（$\text{erfi}$）および超幾何関数を用いて表現される。
• 広範なクラスの共分散に対して非対称な形式を生成するための、スケール混合表現が提供されている。

2. 反射的非対称時空間モデル：
   本研究の核心的な貢献は、これらの空間的構成を単変量時空間設定へと拡張することである。著者らは、時空間共分散のためのスペクトル密度 $f(x, \eta)$ を以下のように提案する：
   $$f(x, \eta) = \sigma f^*(\|x\|, |\eta|) \{1 + \xi \text{sign}(\langle x, \tilde{x} \rangle)\text{sign}(\eta)\}$$
   ここで、$f^*$ は対称な時空間スペクトル密度であり、$\xi \in (-1, 1)$ は非対称パラメータ、$\eta$ は時間周波数である。

• 分離型モデル： $f^*$ が分離可能である場合、得られる時空間共分散は、対称な分離可能部分と非対称な部分に分解される：$C(h, u) = \sigma [C_s^\Re(h)C_t^\Re(u) + \xi C_s^\Im(h)C_t^\Im(u)]$。この構成により、$\xi=0$ のときに、対称な分離可能モデルが特殊なケースとして包含される。
• ゲイニング型（Gneiting-type）モデル： 著者らは、非分離なゲイニング型共分散の非対称バージョンも構築しており、$d=1$ における誤差関数（$\text{erf}$）を用いた閉形式を提供している。

3. 計算および実用的実装：

• シミュレーション： 拒絶サンプリングと三角関数の恒等式を用いた、効率的なスペクトルシミュレーションアルゴリズムを提案し、これらの非対称共分散を持つ場をシミュレートする。
• 非定常性： 方向ベクトルとレンジパラメータを空間的に変化させることにより、幾何学的異方性を許容する。
• 大規模推論： フル尤度の評価が困難な大規模データセットを扱うため、これらのモデルを Vecchia 近似フレームワーク（具体的には R パッケージ GpGp 内）に統合し、分離型モデルにおけるクロネッカー積構造を利用して計算複雑性を低減させる。

主な結果

• 理論的特性： 新しいモデルは、ラグランジュ・モデルでは保証されない特徴である、周辺的な空間および時間共分散の制御を維持している。反射的非対称モデルは対称な分離可能モデルを包含しており、これにより尤度比検定を通じた非対称性の存在に関する厳密な統計的検定が可能となる。
• パラメータの効率性： 反射的モデルは、ラグランジュ・モデルよりも大幅に少ないパラメータを必要とする（具体的には、非対称の方向と強さに対して $1 + (d-1)$ 個の追加パラメータであり、ラグランジュ・モデルの $O(d^2)$ に対して極めて少ない）。
• シミュレーション研究：
  • 多変量空間シミュレーションにおいて、真のデータ生成プロセスが非対称である場合、非対称モデルは優れた適合性（より低い AIC）を示した一方、真のプロセスが対称である場合には、対称モデルと同等の性能を示した。
  • 時空間シミュレーションにおいて、真のプロセスが対称または反射的非対称である場合、反射的非対称モデルはラグランジュ・モデルよりも優れた性能を示した。逆に、真のプロセスがラグランジュ型である場合、反射的モデルは劣った性能を示し、これら二つのフレームワークが実質的に異なるクラスの非対称性を表していることが確認された。
• アイルランドの風データ分析： ベンチマークであるアイルランドの風データセット（11地点、1961–1978年）に適用した結果、反射的非対称モデルは、AICおよび対数尤度において、対称モデルおよび標準的なラグランジュ・モデルを一貫して上回った。
  • 推定された非対称方向（$\tilde{x}$）は東を指しており、これは既知の西から東への大気流と一致している。
  • コーシー時間共分散を用いたモデルが最良の適合を示した。
  • 非対称モデルの推定時間は、一部のケースでわずかに長くなったものの、複雑なコーシー・パラメータの推定を含む場合を除き、一般にラグランジュ・モデルよりも高速であった。

意義および主張
本論文は、反射的非対称性のフレームワークが、時空間データにおける依存性の非対称性を捉えるための、柔軟で簡潔かつ計算可能なラグランジュ・モデルに代わる選択肢であることを主張している。強調されている主な利点は以下の通りである：

1. 柔軟性： 周辺的な共分散の構造を変えることなく、周辺構造を独立して制御し、非対称性を組み込む能力。
2. 検定可能性： 対称モデルの包含により、非対称性の厳密な統計的検定が可能であること。
3. 適用可能性： シミュレーションおよび実世界の環境データ（アイルランドの風）の両方において、モデルの適合度と予測性能が向上することが示されている。
4. 計算の実現可能性： Vecchia 近似との統合により、これらのモデルが大規模な時空間データセットに対しても実行可能であることが示されている。

著者らは、制限事項についても述べている。具体的には、$d > 1$ におけるマテーン非対称クロス共分散の閉形式の欠如、および現在のゲイニング型非対称形式が $d=1$ に限定されている点である。今後の課題として、反射的アプローチとラグランジュ・アプローチの結合、あるいは多変量時空間クロス共分散へのフレームワークの拡張などが挙げられている。