M-SGWR: Multiscale Similarity and Geographically Weighted Regression

Resumo Técnico de M-SGWR: Regressão Geograficamente Ponderada e de Similaridade Multiescala

Problema
Os modelos tradicionais de regressão local, como a Regressão Geograficamente Ponderada (GWR) e a MGWR (Regressão Geograficamente Ponderada Multiescala), baseiam-se exclusivamente na proximidade geográfica (distância física) para quantificar relações espaciais, aderindo à Primeira Lei da Geografia de Tobler. No entanto, em uma era de globalização e conectividade digital, a distância geográfica sozinha é frequentemente insuficiente para capturar como os locais estão interconectados. Fenômenos como a difusão de doenças, laços de redes sociais e fluxos econômicos são frequentemente impulsionados pela "conectividade funcional" ou similaridade de atributos (ex: idioma compartilhado, rotas de viagem, contexto socioeconômico) em vez da proximidade física. Além disso, os modelos existentes como o MGWR permitem escalas espaciais específicas para cada variável (bandas de largura/bandwidths), mas ainda restringem a dependência espacial a uma única dimensão (espaço geográfico). Os autores argumentam que assumir uma escala uniforme ou depender apenas da distância euclidiana pode levar a estimativas enviesadas e a uma representação equivocada das interações espaciais, particularmente quando a "proximidade remota" (similaridade no espaço de atributos) desempenha um papel significativo.

Metodologia
O artigo propõe o M-SGWR (Regressão Geograficamente Ponderada e de Similaridade Multiescala), um novo framework de regressão local que caracteriza a interação espacial através de duas dimensões: espaço geográfico e espaço de atributos (variáveis).

1. Matrizes de Peso Duplas: Para cada variável preditora $j$, o modelo constrói duas matrizes de peso separadas:
   • Uma matriz de peso geográfico ($W_G^{(j)}$) baseada no decaimento da distância (usando um kernel bi-quadrado adaptativo).
   • Uma matriz de peso de similaridade de atributos ($W_S^{(j)}$) baseada na similaridade dos valores dos preditores entre localidades, normalizada pelo desvio padrão local.
2. Parâmetro de Mistura Específico da Variável ($\alpha$): Diferente do modelo SGWR, que aplica um único parâmetro de mistura ($\alpha$) global para todos os preditores, o M-SGWR atribui um $\alpha_j$ distinto para cada variável independente. Este parâmetro, variando de 0 a 1, governa a contribuição relativa da proximidade geográfica versus a similaridade de atributos:
   • $\alpha_j \approx 1$: A relação é impulsionada principalmente pela proximidade geográfica.
   • $\alpha_j \approx 0$: A relação é impulsionada principalmente pela similaridade de atributos.
   • $0 < \alpha_j < 1$: Um efeito misto onde ambas as dimensões contribuem.
3. Otimização Multiescala: O modelo emprega um algoritmo de backfitting para otimizar simultaneamente dois conjuntos de parâmetros para cada preditor:
   • Largura de Banda ($bw_j$): Controla a escala espacial (variação local vs. global) para cada variável.
   • Parâmetro de Mistura ($\alpha_j$): Controla o equilíbrio entre pesos geográficos e de atributos.
   • A otimização é realizada usando pontuações de AICc ou Validação Cruzada (CV), utilizando estratégias de divisão e conquista ou greedy hill-climbing para encontrar o $\alpha$ ideal para cada largura de banda candidata.
4. Formulação Matemática: O coeficiente local $\beta_j$ no local $i$ é estimado usando uma abordagem de mínimos quadrados ponderados onde a matriz de peso combinada $W_{GS}^{(j)}$ é uma combinação linear de $W_G^{(j)}$ e $W_S^{(j)}$, ponderada por $\alpha_j$ e $(1-\alpha_j)$, respectivamente.

Principais Contribuições

• Extensão do SGWR para Multiescala: O artigo estende o framework de Regressão Geograficamente Ponderada e de Similaridade (SGWR) ao introduzir larguras de banda e parâmetros de mistura específicos para cada variável, permitindo que o modelo distinga entre processos puramente geográficos, puramente impulsionados por atributos ou mistos.
• Framework Unificado: O M-SGWR é apresentado como um modelo unificado que engloba GWR, SGWR e MGWR como casos especiais. Dependendo dos parâmetros otimizados, ele pode reduzir-se a um GWR padrão (largura de banda única, $\alpha=1$), SGWR (largura de banda única, $\alpha$ misto) ou MGWR (largura de banda por variável, $\alpha=1$).
• Tratamento de Processos Espaciais Não Suaves: Ao incorporar a similaridade de atributos, o modelo pode capturar a "proximidade remota" e padrões espaciais fragmentados que os kernels tradicionais baseados em distância tendem a suavizar excessivamente (over-smooth).

Resultados
O estudo avalia o M-SGWR utilizando dois experimentos de simulação e uma aplicação empírica (casos de COVID-19 no sudeste dos EUA):

1. Simulação de Efeitos Mistos: Em um conjunto de dados onde alguns coeficientes seguiam superfícies geográficas suaves e outros seguiam padrões irregulares impulsionados por atributos, o M-SGWR superou significativamente o MGWR.
   • O M-SGWR alcançou um Erro Quadrático Médio (RMSE) menor para todos os coeficientes.
   • Identificou corretamente $\alpha=1$ para variáveis puramente geográficas e $\alpha < 1$ para variáveis mistas, enquanto o MGWR falhou em capturar as variações não suaves impulsionadas por atributos, produzindo estimativas excessivamente suavizadas.
   • As métricas de ajuste (R² ajustado, AICc, RSS) foram superiores para o M-SGWR.
2. Simulação Puramente Geográfica: Quando os dados foram gerados puramente por proximidade geográfica, o M-SGW convergiu para a solução MGWR (todos os $\alpha_j = 1$), demonstrando que o modelo não força a ponderação de atributos quando ela não é necessária e permanece consistente com métodos geograficamente ponderados estabelecidos.
3. Aplicação Empírica (COVID-19): Aplicado a dados por condado, o M-SGWR superou OLS, GWR, SGWR e MGWR em todas as métricas (o R² ajustado aumentou de 0,701 no MGWR para 0,782 no M-SGWR; AICc e RMSE foram minimizados).
   • O modelo revelou que preditores como a porcentagem da população hispânica e a renda média tiveram valores de $\alpha$ baixos (ex: 0,143 e 0,205), indicando que sua influência nos casos de COVID-19 é impulsionada mais pela similaridade socioeconômica do que pela proximidade física.
   • A autocorrelação espacial dos resíduos (Moran's I) foi reduzida no M-SGWR em comparação com outros modelos.

Significância e Alegações
O artigo afirma que o M-SGWR oferece uma representação mais matizada e precisa das interações espaciais em um mundo complexo e globalmente conectado. Ao ir além da restrição da distância geográfica, o modelo reconhece que "perto" e "relacionado" são conceitos multidimensionais. Os autores asseguram que o M-SGWR melhora o ajuste do modelo, a inferência e a interpretabilidade ao permitir que cada preditor "aprenda" seu próprio equilíbrio entre a ponderação espacial e a baseada em atributos. Essa flexibilidade permite capturar padrões espaciais complexos, incluindo a "proximidade remota", que os modelos tradicionais frequentemente perdem. O estudo conclui que, embora a distância geográfica permaneça válida para processos puramente físicos, as interações sociais contemporâneas frequentemente exigem a integração do espaço de atributos para compreender totalmente a dependência espacial.

Limitações Reconhecidas pelos Autores
Os autores observam que o M-SGWR é computacionalmente mais intensivo do que o MGWR devido à otimização adicional de $\alpha$ e aos cálculos de peso de atributo. Eles sugerem que trabalhos futuros possam explorar a otimização simultânea de largura de banda e $\alpha$, métodos de busca metaheurística alternativos para evitar mínimos locais e a aplicação de computação paralela para lidar com conjuntos de dados maiores. Eles também pedem testes do modelo em uma gama mais ampla de conjuntos de dados e funções de kernel.