Geographically Weighted Canonical Correlation Analysis: Local Spatial Associations Between Two Sets of Variables

Resumo Técnico: Análise de Correlação Canônica Geograficamente Ponderada (GWCCA)

Definição do Problema
A Análise de Correlação Canônica (CCA) é uma técnica estatística multivariada poderosa, projetada para descobrir associações entre dois conjuntos de variáveis ao identificar pares de combinações lineares (variáveis canônicas) que são maximamente correlacionadas. Embora a CCA seja eficaz para modelar interdependências complexas, as implementações tradicionais assumem uma relação homogênea em toda a área de estudo, produzindo coeficientes de correlação e cargas (loadings) globais. Essa premissa global falha em considerar a heterogeneidade espacial — o fenômeno onde as relações estatísticas variam através do espaço geográfico. As extensões espaciais existentes da CCA, como a CCA Espacial (SCCA) e a Análise de Correlação Espacial Canônica (CSCA), incorporam a autocorrelação espacial, mas permanecem focadas majoritariamente em parâmetros globais, carecendo da capacidade de fornecer resultados analíticos específicos por localização. Consequentemente, há uma lacuna metodológica em ferramentas capazes de modelar explicitamente associações não estacionárias locais entre dois domínios multivariados.

Metodologia
O artigo propõe a Análise de Correlação Canônica Geograficamente Ponderada (GWCCA), uma técnica que localiza a CCA padrão para acomodar a heterogeneidade espacial. A metodologia central envolve as seguintes etapas:

1. Ponderação Espacial: Semelhante à Regressão Geograficamente Ponderada (GWR) e à PCA Geograficamente Ponderada (GWPCA), a GWCCA atribui pesos às observações vizinhas com base em sua distância espacial de um local alvo. Utiliza funções de kernel (ex: Gaussiana, Bi-square, Tri-cube) para calcular uma matriz de pesos espaciais ($W_{ij}$).
2. Estimativa de Covariância Local: Em vez de utilizar matrizes de variância-covariância globais, a GWCCA calcula vetores de média geograficamente ponderados (GW) e matrizes de variância-covariância GW ($\Sigma_{XX}(i,j)$, $\Sigma_{YY}(i,j)$ e $\Sigma_{XY}(i,j)$) para cada localização.
3. Otimização Local: Em cada localização espacial, o método resolve uma versão localmente ponderada do problema de otimização da CCA para encontrar vetores de peso locais ($\mathbf{a}$ e $\mathbf{b}$) que maximizam o coeficiente de correlação canônica local ($\rho$). Isso permite que as correlações canônicas e as cargas das variáveis variem espacialmente.
4. Seleção de Bandwidth e Dimensão:
   • Otimização de Bandwidth (Largura de Banda): Os autores introduzem um critério de parada antecipada do Ajuste de Bondade de Modelo de Resíduos (RGOF - Early-stop Residual Goodness-of-Fit). Esta abordagem aborda a tendência de algoritmos de otimização padrão de selecionar bandwidths excessivamente grandes que suavizam demais as variações locais. O processo é interrompido quando a melhoria relativa no RGOF cai abaixo de um limiar especificado (ex: 1%) por um conjunto de etapas, equilibrando sensibilidade espacial e estabilidade.
   • Seleção de Variáveis Canônicas: Uma estratégia de duas etapas determina o número de variáveis canônicas significativas. Primeiro, uma triagem de estabilidade espacial filtra componentes gerados por ruído com base na saliência das cargas através do espaço. Segundo, um limiar baseado na força média das correlações canônicas locais (definido em 0,40) é aplicado para reter apenas componentes com poder explicativo não trivial.

Principais Resultados
O estudo valida a GWCCA através de experimentos com dados sintéticos e um estudo de caso empírico:

• Avaliação de Dados Sintéticos: Dois conjuntos de dados sintéticos com estruturas de covariância espacialmente variáveis conhecidas foram utilizados. A GWCCA recuperou com sucesso os padrões espaciais alvo, aproximando-se estritamente das correlações canônicas locais reais ($\rho$). Comparações quantitativas mostraram que a GWCCA reduziu o Erro Absoluto Médio (MAE) e a Raiz do Erro Quadrático Médio (RMSE) em pelo menos 50% em comparação com a CCA global. Além disso, a seleção de bandwidth via RGOF com parada antecipada superou tanto o RGOF tradicional (sem parada antecipada) quanto a abordagem LOOR–CoV, capturando efetivamente detalhes espaciais de pequena escala sem excesso de suavização.
• Estudo de Caso Empírico: O método foi aplicado a dados de nível de condado dos EUA (3.107 unidades) analisando a relação entre desfechos de doenças crônicas (Conjunto X: ex: artrite, asma, câncer, acidente vascular cerebral, diabetes) e Determinantes Sociais da Saúde (SDOH) (Conjunto Y: ex: idade, raça, pobreza, consumo excessivo de álcool).
  • Global vs. Local: Enquanto a CCA global sugeriu uma relação uniforme, a GWCCA revelou uma heterogeneidade espacial significativa.
  • Primeira Variável Canônica: Mostrou uma associação forte e relativamente consistente em todos os EUA, ligando populações brancas mais altas e pobreza menor com maior prevalência de artrite e câncer, enquanto associava pobreza mais alta com taxas elevadas de acidente vascular cerebral e diabetes.
  • Segunda Variável Canônica: Exibiu uma não estacionaridade pronunciada. Destacou padrões regionais distintos, como uma ligação robusta entre artrite/AVC/câncer e populações brancas/negras no Sul e em Appalachia, contrastando com diferentes associações no Noroeste do Pacífico e nas Planícies do Norte.
  • Cargas das Variáveis: A análise demonstrou que a força e a direção das contribuições das variáveis (cargas) variaram significamente por região, revelando dinâmicas locais sutis que modelos globais ocultariam.

Significância e Alegações
O artigo afirma que a GWCCA oferece um avanço significativo para a ciência de dados espaciais ao modelar explicitamente a não estacionaridade espacial das relações entre dois conjuntos de variáveis. Suas principais contribuições incluem:

• Localização de Associações Multivariadas: Diferente da CCA global ou de variantes existentes de CCA espacial, a GWCCA fornece estimativas de correlação canônica e cargas específicas por localização, permitindo a detecção de heterogeneidade espacial de pequena escala.
• Robustez Metodológica: O critério de RGOF com parada antecipa proposta oferece uma abordagem computacionalmente mais eficiente e geograficamente mais significativa para a seleção de bandwidth, mitigando o viés de suavização excessiva comum em modelos GW.
• Interpretabilidade: Ao identificar como as relações entre conjuntos de variáveis mudam através do espaço, a GWCCA apoia intervenções políticas mais direcionadas. Os autores destacam seu potencial utilidade em campos que exigem a compreensão de associações multivariadas locais, como planejamento urbano, ciências ambientais, saúde pública e transporte. O método integra aspectos exploratórios e confirmatórios ao identificar combinações de variáveis chave em diferentes regiões e avaliar a contribuição de cada variável através da quantificação de suas cargas em variáveis canônicas, em vez de verificar a significância estatística ou relações causais.
• Limitações e Trabalhos Futuros: Os autores reconhecem modestamente limitações, incluindo a falta de procedimentos integrados para diagnosticar o viés de variável omitida e o desafio de interpretar os sinais das cargas devido à invariância rotacional em contextos localizados. Eles sugerem direções futuras, como o desenvolvimento de versões não lineares da GWCCA, a extensão do framework para análise multiescala (permitindo que variáveis operem em diferentes escalas espaciais) e a criação de exemplos mais interpretativos para aplicação prática.

O estudo conclui que a GWCCA é uma ferramenta versátil para explorar associações espaciais complexas e localizadas em dimensões multivariadas, preenchendo uma lacuna crítica no arsenal analítico geoespacial.