Data-Driven Spatial Weight Matrices for Space-Time Autoregressive Models: A Similarity-Based Framework with an Application to Global Temperature Dynamics

巨大で混沌としたショッピングモールの中を、群衆がどのように移動するかを予測しようとしている場面を想像してみてください。昔ながらの方法でその経路を推測しようとするなら、地図を見て、人々はすぐ隣にいる人たちとぶつかったり、その人たちに従ったりするだけだと仮定することになります。もしあなたが靴屋にいるなら、あなたは隣の衣料品店にいる人たちのことしか気にしません。これは、科学者が天候や疾病といった地球規模で起こる事象を研究してきた伝統的な手法です。彼らは地図上に線を引き、「もし隣接していれば、互いに繋がっている」と定義します。

しかし、もしその地図が嘘をついているとしたらどうでしょう？ もし靴屋にいる人が、隣の人を無視して、なんとなく3階上のベーカリーにいる誰かと完璧にリズムを合わせて踊っているとしたら？ データサイエンスの世界において、これは「地理的な隣人」（空間的に近い人々）と「統計的な隣人」（時間の経過とともに同じように振る舞う人々）の違いを意味します。何十年もの間、研究者たちは「近くにいることは、互いに影響を与え合うことである」と想定してきました。しかし時として、真の繋がりとは、どれほど離れているかではなく、どれほど物語（振る舞い）が似ているかにあるのです。この論文はこの概念を掘り下げ、「地図を見るのをやめて、行動に注目すれば、地球の未来をもっと正確に予測できるのではないか？」という単純な問いを投げかけています。

---

地図 vs ミラー：世界を見る新しい視点

長い間、地球の気温を研究する科学者たちは、「空間重み行列」と呼ばれるツールを使用してきました。これは、ある国が別の国に対してどの程度耳を傾けるべきかをコンピュータに指示する、巨大なルールブックのようなものです。伝統的なルールブックは非常に硬直的です。「あなたは直近の隣人の声だけを聞かなければならない」と定めています。フランスがドイツの隣にあれば、両者は会話をします。フランスが日本から遠ければ、彼らは他人同士です。それは、自分のランチテーブルに座っている人からしか学ばず、地球の裏側にいるお気に入りのユーチューバーからは決して学ばない、と想定しているようなものです。

この論文の著者であるエドアルド・オトラント（Edoardo Otranto）は、この古いルールブックは本質を見失っていると主張しています。彼は、国々が同期して動くのは、隣接しているからではなく、気温の変化における「パーソナリティ（個性）」を共有しているからだと論じています。例えば、ヨーロッパのある国とアジアのある国が、たとえ海を隔てて離れていたとしても、毎年全く同じ速度で熱くなっているかもしれません。もし、彼らの「振る舞い」に基づいて隣人として扱うことができれば、私たちの予測はより鋭くなるはずです。

実験： 「バイブス」による世界のクラスタリング

これを検証するために、研究者は膨大なデータセットを集めました。168カ国の122年間にわたる気温記録（1901年から2022年まで）です。これは2万件以上のデータポイントに相当します！ 彼は、国々を地図上の場所によってグループ分けするのではなく、それらが「どのように行動するか」によってグループ分けしました。彼は、どの国々が似ているかを見極めるために、3つの異なる「バイブス・チェック（雰囲気診断）」を用いました。

1. スピード・チェック（温暖化率）： 各国がどれほどの速さで熱くなっているかを見ました。それは緩やかで穏やかな上昇か、それとも急激なスパイクか？ 彼は、温暖化の速度が似ている国々は、隣接しているかどうかに関わらず、同じグループに属することが多いことを発見しました。例えば、ロシアと日本は「非常に高い」速度で温暖化が進むグループとなりましたが、ボリビアはほぼ平坦でした。
2. ジェットコースター・チェック（気温の変動）： これは、年ごとの上がったり下がったりする動きを見たものです。気温は激しく上下するのか、それとも滑らかなのか？ 彼は、中東や中央アジアの国々がしばしば似たような「凹凸のある」パターンを共有している一方で、他の多くの国々が共通の「滑らかな」パターンを共有していることを見出しました。
3. ムード・チェック（持続性のパターン）： これが最も巧妙なものでした。気温が「どれだけ」変化したかを見るのではなく、単にその「方向」を見たのです。今年、気温は上がったのか、それとも下がったのか？ 彼は、コンピュータコードのエラーを修正するために発明された「ハミング距離」という特殊な数学的ツールを使用し、2つの国が「暑くなるか、寒くなるか」という判断において、何回意見が食い違ったかをカウントしました。もし2つの国が、変化の方向性において通常一致していれば、それらは「統計的な隣人」となります。

大発見：地図は間違っていた

これらの新しいグループを作成した後、彼は「時空間自己回帰（STAR）モデル」と呼ばれる新しい種類のコンピュータモデルを構築しました。このモデルは、今年の状況と、その「隣人」の状況に基づいて来年の気温を予測しようとする、スーパー予測エンジンのようなものです。

彼は2つのレースを行いました。

• レースA： 古いモデル。地理的な隣人（地図に基づいたルールブック）の声だけを聞くもの。
• レースB： 新しいモデル。統計的な隣人（バイブスに基づいたルールブック）の声を聞くもの。

結果は明白でした。新しいモデル、特に「ムード・チェック（ハミング距離）」を用いたモデルは、気温の予測においてはるかに優れていました。研究者がこれらのモデルを、モデルがまだ見ていないデータ（2001年から2022年）でテストしたところ、「ムード・チェック」モデルが最もミスが少なかったのです。このモデルは、従来の地図ベースのモデルを大幅な差で上回りました。

なぜこれが重要なのか

この論文は、気候変動のような長期的な傾向については、地理が「誰が誰に影響を与えるか」の最良の予測因子ではないことを示唆しています。大規模な大気流や海洋パターンによって、遠く離れた国々が同じ調べに合わせて踊ることがあり、一方で隣同士の国が独自の動きをしていることもあります。実際の行動に基づいて「友情リスト」を作成することで、科学者は将来の気候を予測するためのより優れたツールを構築できるのです。

著者は、これは気温に関する一度限りのトリックではないと注意深く述べています。この「類似性に基づく」アプローチは、一般的な戦略です。病気がどのように広がるか、経済がどのように崩壊するか、あるいは社会的なトレンドがどのように動くかなど、関与する人々や場所が「場所」ではなく「行動」によって繋がっている場合にはいつでも使用できます。この論文は、気候変動を解決したと主張しているのではなく、もし私たちが世界を理解したいのであれば、地図を見るのをやめて、そのリズムに耳を傾けるべきだということを示唆しているのです。