Multidimensional Integral Fractional Ornstein--Uhlenbeck Process with an Application to Animal Movement

技術要約：多次元積分分数オルンシュタイン＝ウーレンベック過程とその動物移動への応用

問題提起
動物のテレメトリデータには、位置が不規則な離散時間で記録される一方で、移動は連続的に進行するという統計的な課題がある。古典的なモデル（オルンシュタイン＝ウーレンベック過程など）は、位置を速度の積分として扱うことでこの問題に対処するが、これらは速度共分散の指数関数的な減衰を仮定しており、短距離の時系列的依存性しか示唆しない。この制限は、記憶や長距離依存性に影響を受ける移動パターンをモデル化する上で問題となる。Ramirez-GonzalezおよびSun (2026) による先行研究では、ハーストパラメータ（$H$）を通じて長距離依存性を捉えるための積分分数オルンシュタイン＝ウーレンベック（ifOU）過程が導入された。しかし、それらの解析は空間座標（経度や緯度など）を独立に扱っており、座標間の依存性をモデル化できていなかった。さらに、ifOUを多次元設定へと拡張することは容易ではない。異なるハーストパラメータを持つ座標間の任意のペア相関は、無効な共分散構造を招く可能性がある。

手法
著者らは、**多次元積分分数オルンシュタイン＝ウーレンベック（mifOU）**過程を提案する。このモデルは、位置ベクトル $\mu_H(t) \in \mathbb{R}^p$ を、**多変量分数ブラウン運動（mfBm）**によって駆動される速度ベクトル $v_H(t)$ の時間積分として定義する。

主要な手法構成要素は以下の通りである：

1. 共分散の構築： モデルは、駆動するmfBmに対して「ウェル・バランス（well-balanced）」な仕様を利用し、これにより座標間の相互共分散が時間引数に対して対称であることを保証する。位置の相互共分散は、駆動ノイズの共分散の積分変換を通じて導出される。
2. 許容相関領域： 結合共分散が有効（正定値）であるために、相関パラメータが各座標のハーストパラメータ（$H_i$）に依存する特定の有限次元制約を満たさなければならないことを著者らは確立している。彼らは、ガンマ関数と正弦項を含む行列条件を用いて、この許容領域を特徴付けている。
3. パラメータ化： 正定値性の制約に抵触することなく尤度最適化を容易にするため、著者らは、制約のない変数から許容相関領域へと変換する、LKJ型の部分相関パラメータ化（bijective mapping）を導入している。
4. 推論とシミュレーション： 位置プロセスの有限次元分布はガウス分布に従う。これにより、以下が可能となる：
   • 完全なパラメータベクトル（減衰 $\beta$、スケール $\sigma$、ハースト $H$、および相関 $\rho$）の最大尤度推定（MLE）。
   • 再帰的アルゴリズムによる有限次元シミュレーション。
   • 観測された位置からの、条件付きガウス分布を用いた条件付き速度の再構成。
5. 依存性の特性： 理論的解析によれば、このプロセスは定常でも、また本質的に定常でもない。分離された増分における長距離依存性（LRD）は、座標ペアのハーストパラメータの和（$H_i + H_j$）が1と異なる場合に発生する。具体的には、$H_i + H_j > 1$ であれば、そのペアは長記憶性を示し、$H_i + H_j \leq 1$ であれば短記憶性を示す。

結果
論文では、数値実験と動物テレメトリへの応用という2つの主要な結果を提示している。

• 数値実験：

  • 単一のシミュレーションされた3次元軌跡からすべてのパラメータ（スケール、減衰、ハースト、および相互相関）を共同推定した結果、99%の信頼区間が真の値を含み、正確な推定が得られた。
  • 条件付き速度再構成により、ノイズを含む位置データから潜在的な速度軌跡を正常に復元できた。
  • 相関推定の研究では、中程度の相関はバイアスが低く推定された一方で、弱い相関の精度は低いままであることが示された。固定ホライゾンのグリッド細分化において、相関推定の平方根平均二乗誤差（RMSE）は、観測グリッドが細かくなるにつれて減少した。

• コウモリの渡りへの応用：
  本モデルは、ドイツで移動中の5匹の共通夜行性コウモリ（うち3匹は高度測定値あり）のテレメトリデータに適用された。

  • 周辺解析： 最適適合する周辺モデルは、個体および座標によって異なった。例えば、コウモリ3の高度には分数ブラウン運動（fBM）が最も適合し、コウモリ4の高度には非定常な $\zeta$ プロセスが最も適合した。
  • 依存性解析：
    • コウモリ1および2： 水平座標については、独立モデル（単変量適合の積）が相関モデルよりも好まれた。
    • コウモリ3および4： 経度・緯度ペアに対して、相関のあるifOUモデルを支持する強い証拠が得られ、推定された相関はそれぞれ $\approx 0.64$ および $\approx 0.58$ であった。コウモリ3については、フル3Dモデルも競争力があり、高度に関連する依存性の可能性を示唆した。
    • コウモリ5： 独立モデルが好まれたが、相関モデルも競争力のある結果を示した（$\Delta\text{AIC} \approx 2$）。
  • 感度： モデルのランキングは、異なる時間解像度（30秒、1分、2分）においても概ね安定していたが、特定の周辺ファミリーの選択（例：Confluent vs fBM）は、ペナルティ基準（AIC vs BIC）に対して敏感な挙動を示した。

主要な貢献

1. 理論的拡張： 本論文は、単変量のifOU過程を多次元設定へと拡張し、長距離依存性を伴う依存的な動物の軌跡をモデル化するための厳密な枠組みを提供した。
2. 妥当性とパラメータ化： 結合共分散カーネルの妥当性の条件を確立し、尤度最適化中に有効な共分散行列を保証する実用的な再パラメータ化を提供することで、事後の正定値チェックを不要にした。
3. 計算フレームワーク： 著者らは、シミュレーション、尤度推論、および条件付き速度再構成のためのアルゴリズムを開発し、本モデルを現実世界の疎なサンプリングのテレメトリデータに適用可能にした。
4. 経験的知見： 応用研究は、周辺的な時間構造と座標間の依存性を個別に評価すべきであることを示した。この研究は、一部のコウモリが強い協調的移動（相関のあるifOU）を示す一方で、他の個体は独立して移動すること、また高度の依存性は水平方向の依存性よりも一般に弱いことを明らかにしている。

意義と主張
著者らは、mifOU過程が、長距離の時間的依存性と座標間の相関の両方を捉えることができる、柔軟で統計的に妥当なツールを提供すると主張している。彼らは、自らのアプローチが、座標間で一様な仮定を課すことなく、周辺ダイナミクスと依存構造の共同推定を可能にすることを強調している。論文は、モデルが特定のケース（コウモリ3および4）において強い依存性を特定することに成功した一方で、依存性の証拠は普遍的なものではないこと、および周辺共分散ファミリーの選択は個体によって大きく異なることを示して締めくくられている。また、数値実験は有限標本の性能を記述したものであり、結合推定量の漸近的性質を確立するものではないという点についても謙虚に述べている。