Inverse sampling intensity weighting for preferential sampling adjustment

기술적 요약: 선호적 샘플링 보정을 위한 역 샘플링 강도 가중치

문제 제기
전통적인 모델 기반 지리통계학은 관측 위치 ($X$) 가 고정되어 있으며 관심 공간 과정 ($S$) 과 독립적이라고 가정합니다. 이 가정이 위반될 때—이를 선호적 샘플링 (Preferential Sampling, PS) 이라 함—표준 추론 및 예측은 상당한 편향을 겪을 수 있습니다. 지배적인 해결책인 공유 잠재 과정 (Shared Latent Process, SLP) 모델 (Diggle et al., 2010) 은 공유 잠재 변수를 통해 $X$와 $S$ 간의 의존성을 유도합니다. 샘플링 설계가 올바르게 지정된 경우 (예: 로그 - 가우시안 콕스 과정) 효과적이지만, SLP 프레임워크는 다음과 같은 중요한 실용적 한계에 직면해 있습니다: 복잡한 결합 가능도 지정이 필요하며, 예측 시 계산 집약적입니다 (모든 예측 지점에 대한 사후 요약이 필요함), 그리고 기반 점 과정의 오지정 (misspecification) 에 민감합니다. 또한, 기성 소프트웨어 구현이 거의 없으며, 현대적인 확장 가능한 가우시안 과정 (GP) 근사 기법과 SLP 를 통합하는 것은 여전히 어렵습니다.

방법론
저자들은 선호적 샘플링 보정을 위한 계산 효율적인 2 단계 대안으로 **역 샘플링 강도 가중치 (Inverse Sampling Intensity Weighting, ISIW)**를 제안합니다. 반응과 관측 과정의 전체 결합 가능도를 모델링하는 SLP 와 달리, ISIW 는 추정된 샘플링 강도에 기반하여 관측치를 재가중함으로써 의존성을 보정합니다.

1. 샘플링 강도 추정: 첫 번째 단계에서는 관측 위치에서 샘플링 강도 $\lambda(x)$를 추정합니다. 저자들은 비모수 커널 강도 추정기 (KIE) 와 예측된 반응 표면을 공간 공변량으로 포함하는 변형 ("ISIW KIE COV") 을 탐구합니다. 희소하게 샘플링된 지역에서 극단적인 가중치로 인한 수치적 불안정성을 완화하기 위해, winsorization 절차가 지정된 분위수 (분석에서 93%) 에서 가중치를 상한합니다.
2. 가중 가능도 추정: 두 번째 단계에서 추정된 역 강도들은 복합 가능도 프레임워크 내에서 가중치로 사용됩니다. 저자들은 특히 결합 밀도를 조건부 분포들의 곱으로 분해하는 복합 가능도 방법인 Vecchia 근사를 사용하여 ISIW 를 구현합니다. 이 선택은 전체 평균 및 공분산 매개변수의 추정을 가능하게 하면서 대규모 데이터셋으로의 확장성을 유지하며, 이전 ISIW 연구들이 일변량 또는 쌍별 복합 가능도에 의존했던 한계를 해결합니다.
3. 예측: 최종 예측은 ISIW 보정된 매개변수 추정치를 표준 크리깅 방정식에 대입하여 생성됩니다. 이는 모든 그리드 지점에서 결합 사후분포로부터 조건부 기대값 $E[S(X_0)|X, Y]$을 계산해야 하는 SLP 와 대조됩니다.

주요 기여 및 실험 설계
본 논문은 세 가지 시뮬레이션 연구와 두 가지 실제 적용 사례를 통해 ISIW 를 최대우도추정 (MLE) 과 SLP (INLA-SPDE 를 통해 구현됨) 에 대해 종합적으로 평가합니다:

• 시뮬레이션 1 (점 과정 오지정): 로그 - 가우시안 콕스 (LGCP) 와 토마스 과정에서 생성된 데이터. SLP 모델이 오지정되었을 때의 견고성을 테스트합니다 (예: 토마스 과정 데이터에 LGCP 기반 SLP 적합).
• 시뮬레이션 2 (랜덤 필드 오지정): 이질적인 매끄러움을 가진 여러 가우시안 과정의 합으로 생성된 데이터로, 단일 Matérn GP 가정을 위반합니다.
• 시뮬레이션 3 (실제 데이터 보정): 갈리시아 이끼 및 캘리포니아 PM2.5 데이터셋에 보정된 시뮬레이션으로 현실적인 설정에서의 성능을 평가합니다.
• 실제 데이터 적용: 스페인 갈리시아의 이끼 내 납 농도 (1997 년 선호적 데이터) 와 캘리포니아 EPA 대기질 시스템의 2010 년 PM2.5 농도 분석.

결과

• 예측 성능: ISIW 는 모든 시나리오에서 MLE 보다 일관되게 우월한 성능을 보였습니다. 특히 샘플링 설계가 오지정된 경우 (예: 토마스 과정 또는 복잡한 잠재 필드 하에서) ISIW 는 SLP 보다 우수한 예측 정확도를 입증했습니다. 이러한 경우 SLP 는 종종 수치적 불안정성이나 평균의 심각한 과소추정을 겪었습니다.
• 매개변수 추정 대 예측: 매개변수 추정 정확도와 예측 성능 사이의 불일치는 반직관적인 발견이었습니다. MLE 가 종종 공분산 매개변수 (범위, 너겟) 의 가장 정확한 추정을 제공했고 SLP 는 올바른 지정 하에서 잘 수행되었지만, ISIW 는 공분산 매개변수 추정에서 더 높은 편향을 보임에도 불구하고 더 나은 예측을 산출했습니다. 이는 선호적 샘플링 하에서 크리깅 성능에 공분산 매개변수의 정밀한 회복보다는 평균 ($\mu$) 의 정확한 추정과 강도 가중치의 적용이 더 중요함을 시사합니다.
• 계산 효율성: Vecchia 근사와 결합된 ISIW 는 특히 예측 작업에서 SLP (INLA-SPDE) 보다 훨씬 빨랐으며, 모든 그리드 지점에서 사후 샘플링이 필요하지 않았습니다.
• 실제 데이터: 갈리시아 및 캘리포니아 적용 사례에서 ISIW 는 MLE 보다 매끄러운 예측 표면을 생성했으며, SLP 와 유사하게 예측을 보정했습니다. 다만 SLP 는 데이터가 희소한 지역에서 더 극단적인 보정을 적용하는 경향이 있었습니다.

의의 및 주장
저자들은 ISIW 가 지리통계학에서 선호적 샘플링을 보정하기 위한 실용적이고 직관적이며 빠른 방법을 제공한다고 주장합니다. 그 주요 의의는 모델 오지정에 대한 견고성에 있습니다. 관측 과정의 완전한 모수적 지정에 의존하는 SLP 와 달리, ISIW 는 비모수적 강도 추정에 의존하므로 실제 점 과정이 알려지지 않았거나 모방하기 어려운 복잡하고 현실적인 샘플링 설계에 더 적응적입니다.

본 논문은 선호적 샘플링 하에서 효과적인 공간 예측이 반드시 반응과 관측 과정의 복잡한 결합 모델링을 필요로 하지 않는다고 강조합니다. 대신, 확장 가능한 가능도 프레임워크 (Vecchia) 내에서 관측치를 역 샘플링 강도로 가중치는 것은 특히 기반 샘플링 메커니즘이 표준 가정과 벗어날 때 우수한 예측 성능을 산출할 수 있습니다. 저자들은 ISIW 에 대한 불확실성 정량화가 여전히 과제이지만, 이 방법이 계산 속도와 모델 견고성이 우선시되는 적용 지리통계 문제에서 SLP 의 실현 가능한 대안임을 결론지었습니다.