Extending regionalization algorithms to explore spatial process heterogeneity

要約

タイトル：地域化アルゴリズムの拡張による空間プロセスの異質性の探索

要約：
– 空間回帰モデルにおいて、空間的異質性は連続的または離散的仕様で考慮される。
– 後者は、変数間の均質な関係性を持つ空間的に連結した領域の設定に関連している（空間的なレジーム）。
– 空間解析の分野では、様々な地域化アルゴリズムが提案され、研究されてきたが、空間的レジームの最適化手法はほとんど探究されていない。
– 本論文では、2つの新しいアルゴリズム（2段階K-Models、Regional-K-Models）を提案し、古典的な自動分区手順を空間回帰の文脈に拡張する。
– 提案されたアルゴリズムは、一連の合成データセットと2つの実世界のデータセットに適用される。
– 結果は、3つのアルゴリズムが既存の手法に比べて優れたまたは同等のパフォーマンスを達成していることを示しており、2段階K-Modelsアルゴリズムは、モデル適合、領域再構築、係数推定において従来の手法を大きく上回るパフォーマンスを発揮している。
– この研究により、空間的異質性のプロセスを探索するための空間解析のツールボックスが充実した。

要約(オリジナル)

In spatial regression models, spatial heterogeneity may be considered with either continuous or discrete specifications. The latter is related to delineation of spatially connected regions with homogeneous relationships between variables (spatial regimes). Although various regionalization algorithms have been proposed and studied in the field of spatial analytics, methods to optimize spatial regimes have been largely unexplored. In this paper, we propose two new algorithms for spatial regime delineation, two-stage K-Models and Regional-K-Models. We also extend the classic Automatic Zoning Procedure to spatial regression context. The proposed algorithms are applied to a series of synthetic datasets and two real-world datasets. Results indicate that all three algorithms achieve superior or comparable performance to existing approaches, while the two-stage K-Models algorithm largely outperforms existing approaches on model fitting, region reconstruction, and coefficient estimation. Our work enriches the spatial analytics toolbox to explore spatial heterogeneous processes.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI