1 引言
模型选择是统计建模中最核心也最具挑战性的任务之一。参数过多的模型不仅难以解释,还可能导致预测性能不稳定且较差。模型设定不当则可能导致对感兴趣的科学假设产生有偏推断。因此,选择最合适的模型以高效估计参数并进行推断至关重要。特别是,21世纪数据科学的发展带来了数据数量和类型的急剧增长,其中包括空间数据和时空数据。观测数量的迅速增加以及数据的高维性,使得许多经典和传统模型要么无法实施,要么效率低下。因此,新的建模框架应运而生,旨在克服这些局限性并改进模型选择
《Spatial Statistics》:Spatially Heterogeneous Additive Model (SHAM): A semiparametric framework for modelling simultaneously spatially varying processes and nonlinear relationships
【字体:
大
中
小
】
时间:2026年09月22日
来源:Spatial Statistics 2.7
编辑推荐:
摘要 空间异质性与空间依赖一样,是定义空间特征的基本属性,它为空间数据建模带来了巨大挑战。在处理回归关系中的空间异质性时,传统方法如地理加权回归(GWR)通常假设因变量与自变量之间存在线性结构。如果这一假设在实际中不成立,可能导致偏差或误导性的推断。为了更好地刻画空间异质性,
摘要 空间异质性与空间依赖一样,是定义空间特征的基本属性,它为空间数据建模带来了巨大挑战。在处理回归关系中的空间异质性时,传统方法如地理加权回归(GWR)通常假设因变量与自变量之间存在线性结构。如果这一假设在实际中不成立,可能导致偏差或误导性的推断。为了更好地刻画空间异质性,同时放宽通常具有约束性的线性假设,本文提出了一类空间异质加性模型,通过将加性模型与空间异质性相结合,所提出的框架有效地解决了这些局限性。值得注意的是,几种现有的空间异质性分析方法可以采用这一框架来放宽线性关系约束,从而促进复杂非线性关系与空间异质性的同时建模。我们开发了一种样条-GWR技术来估计所提出的模型,并构建了一种F型检验统计量来检验空间异质性的显著性。我们进行了数值模拟以评估所提出的估计量和检验统计量的小样本性能,确认了其在多种情景下的有效性。最后,我们将所提出的方法应用于实际数据集进行实证分析。引言 变量间关系的研究是统计学中最基本的问题,几乎所有统计建模都围绕这一主题展开。在这些模型中,线性回归模型作为一种探索因变量Y与相关自变量X1,X2,…,Xp之间关系的方法,是理论研究和实际应用最为广泛的方法之一。基于因变量和自变量的观测值{yi,xi1,xi2,…,xip},线性回归模型可以定义为yi=β0+xi1β1+?+xipβp+?i,i=1,2,…,n,其中β0,β1,β2,…,βp是未知的回归系数,?i是均值为零、方差为σ2的随机误差。关于线性回归模型的估计和检验已有成熟的理论,可在任何回归模型和计量经济学教科书中找到。线性回归模型假设因变量与自变量之间存在线性关系,这一假设在分析真实数据时可能无法满足。在许多情况下,因变量与自变量之间的关系非常复杂,既不是线性的,也不是某种特定的非线性形式。在上世纪最后二十年蓬勃发展的非参数和半参数模型可以很好地解决这一问题。非参数回归模型不对因变量与自变量之间的关系做出主观的先验假设,而仅对函数进行光滑性的基本假设。各种技术,如核方法、局部多项式方法、序列方法和样条方法,可用于估计未知的非参数函数,详细信息可参阅H?rdle (1990)、Wand和Jones (1995)、Fan和Gijbels (1996)、Pagan和Ullah (1999)、de Boor (2001)以及Ruppert等人 (2003)。由于非参数回归模型在自变量数量较大时会遇到维度灾难问题,因此提出了几类半参数模型,包括部分线性模型、变系数模型和单指数模型,详见Hastie和Tibshirani (1990)、H?rdle等人 (2000)、Ruppert等人 (2003)、Wood (2017)以及Li和Racine (2007)。其中一种非常实用的半参数模型是Hastie和Tibshirani (1986)提出的加性模型(AM),即yi=a+f1(xi1)+f2(xi2)+?+fp(xip)+?i。分量函数fj(?)是未知的单变量函数,为便于识别施加约束Efj(xj)=0。与传统直接估计多元函数的非参数模型不同,加性非参数模型将目标函数近似为几个单变量函数之和。这种结构通过分离每个预测变量的独立贡献来提高模型可解释性,同时在一定程度上缓解了维度灾难问题。在空间分析中,因变量和自变量的观测值通常是地理参考数据或空间数据。虽然线性回归模型(1.1)也广泛用于此类数据的分析,但忽略了空间异质性。空间异质性意味着地理变量表现出未控制的方差(Goodchild, 2004),或者意味着结构性不稳定,即函数形式变化或参数从一个空间位置到另一个位置发生变化(Anselin, 1988)。Goodchild (2004)将空间异质性提出为地理学的第二定律。空间异质性在回归分析中的体现是,因变量与自变量之间的关系不是常数,而是随空间位置变化。对于线性回归模型(1.1),回归系数β0,β1,β2,…,βp不再是常数,而是与空间位置相关,在不同空间位置可能对应不同的回归系数。因此有如下空间异质模型或空间变系数模型yi=β0i+xi1β1i+?+xipβpi+?i,i=1,2,…,n。显然,在没有进一步设定的情况下,空间异质模型(1.3)无法直接估计,因为它包含n(p+1)个未知回归系数,远大于样本量n。因此,已提出不同的尝试来对回归系数随空间位置的变化进行建模,包括Casetti (1972)和Jones和Casetti (1992)的空间扩展模型、Gelfand等人 (2003)的贝叶斯空间变系数模型,以及Murakami等人 (2017)基于特征向量空间滤波(ESF)的方法。最广泛使用的方法是Brunsdon等人 (1996)提出的地理加权回归(GWR)模型,这是一类空间变系数模型,将回归系数与空间位置的关系表示为空间位置上的非参数函数,形式如下:yi=β0(ui,vi)+xi1β1(ui,vi)+?+xipβp(ui,vi)+?i,i=1,2,…,n,其中(ui,vi)是第i个观测值的空间位置(经度和纬度),β0(?),β1(?),…,βp(?)是地理位置的未知非参数函数。显然,GWR模型本质上是Hastie和Tibshirani (1993)在统计领域提出的变系数模型的一个特例。基于局部常数方法或局部线性方法,我们可以获得每个空间位置的回归系数值。由此,因变量与自变量关系的空间异质性通过观察回归系数值在研究区域上的空间分布来反映。关于GWR模型的更多信息可参阅Fotheringham等人 (2002)、Fotheringham等人 (2023)。虽然GWR模型已广泛应用于各个领域,但因变量与自变量之间的关系在结构上仍然是线性的。如果这一假设不满足,那么在不同空间位置呈现的估计回归系数值的空间变化可能不是由于空间异质性,而是由于因变量与自变量之间非线性关系的设定错误。最近这一问题的引起了关注,并有多项研究识别了该问题并提出了针对性的改进。Sachdeva等人 (2021)在其题为"我们是在对空间变化过程建模还是非线性关系?"的文章中突出了这一问题,并提出了一种使用散点图诊断GWR模型系数的简单方法,但未提出新的建模框架。Murakami和Griffith (2023)提出了一种Moran特征向量方法来对空间和非空间变化系数进行建模。Lessani和Li (2024)提出了一种类似的地理加权回归模型(SGWR),该模型在构建GWR模型估计的权重函数时不仅考虑空间距离,还考虑属性相似性,这从本质上克服了因变量与自变量之间关系为线性结构的假设。为了同时处理因变量与自变量之间的非线性结构和空间异质性,本文将加性模型(1.2)和线性异质模型(1.3)相结合,提出如下空间异质加性模型(SHAM):yi=ai+f1i(xi1)+f2i(xi2)+?+fpi(xip)+?i,其中fji(?)是第i个观测值上的第j个非参数函数。所提出的SHAM允许每个变量的功能影响在空间上变化,从而容纳了非线性性和空间异质性。与GWR模型相比,该模型通过不施加线性约束于函数形式以及不假设所有变量都必须以相同方式在空间上变化,提供了更大的灵活性。它还在不显著增加模型复杂性的情况下提高了可解释性和计算效率。显然,在没有额外假设的情况下,模型(1.5)无法直接估计。SHAM(1.5)的一个明显特例是如下空间加性模型:yi=a(ui,vi)+f1(xi1,ui,vi)+f2(xi2,ui,vi)+?+fp(xip,ui,vi)+?i,其中模型(1.5)的fji(?)被定义为纬度和经度以及相应协变量的多元函数。模型(1.6)作为一个加性模型,其统计推断问题如估计和检验可采用现有加性建模框架,详细信息可参阅Wood (2017)。我们在此特别提到两篇论文,它们也将加性模型与空间模型相结合。然而,它们的模型形式和建模目的与SHAM(1.5)大不相同。Comber等人 (2024)的地理高斯过程广义加性模型(GGP-GAM)方法实际上是将空间变系数模型的系数函数建模为高斯过程。Oshan和Liao (2025)提出的广义加性空间平滑(GASS)方法可以看作是Halleck Vega和Elhorst (2015)提出的SLX模型的非参数推广,它提供了一种基于空间尺度超参数的内生于选择邻域的数据驱动机制。我们将讨论SHAM(1.5)的估计问题和空间异质性检验问题,而不是模型(1.6)。我们主要将加性模型中常用的样条方法与常用于表征空间异质性的GWR方法相结合来进行模型估计。我们构建了一种F型检验统计量来讨论SHAM(1.5)中是否存在空间异质性。值得注意的是,几项研究探索了将非参数平滑技术与地理加权回归相结合的类似思想。Sifriyani等人 (2018)和Laome等人 (2023)提出了一类地理加权非参数回归(GWNR)模型,使用截断样条基函数和加权极大似然法进行估计。Sifriyani (2019)进一步开发了一种基于极大似然的检验统计量,用于评估基于样条的GWNR模型中预测变量系数的显著性。这些论文背后的建模理念与我们的理念在概念上相似。然而,我们的工作与这些现有研究之间存在显著差异。首先,这些论文均未明确给出(1.5)中所述的SHAM结构,也未提供一个同时容纳加性结构和空间变系数的统一框架。其次,它们的估计和检验程序依赖于极大似然法,而我们的方法采用样条-GWR估计策略并结合基于自助法的推断。这些区别反映了我们所提出框架的主要方法论贡献。本文其余部分组织如下,第2节将给出SHAM的样条-GWR估计方法,第3节将讨论SHAM的空间异质性检验。第4节通过数值模拟检验所提出估计和检验方法的性能。第5节给出实际案例分析。第6节给出结论。样条-GWR估计SHAM 在本节中,我们将讨论SHAM(1.5)的估计,我们不估计其特殊形式模型(1.6)的估计。我们将提出一种结合样条方法和GWR的两步估计方法。检验SHAM的空间异质性 对于SHAM(1.5),一个非常重要的问题是检验空间异质性的存在,即以下假设检验问题H0:ai=a,f1i(xi1)=f1(xi1),?,fpi(xip)=fp(xip),H1:not all of {ai,f1i(?),…,fpi(?)} are spatially homogeneous。显然,与零假设对应的模型是加性模型(1.2),而与备择假设对应的模型是所提出的SHAM(1.5)。该检验使用SHAM(1.5)来检验在仿真模拟 在本节中,我们通过数值模拟评估所提出的样条-GWR估计和检验方法的小样本性能。应该指出的是,在本节及下一节中,在构建B样条基函数时考虑了节点数量和多项式次数的各种组合。我们采用广义交叉验证(GCV)作为选择准则来确定最优配置。对于GWR模型,拟合和实证分析 本节将所提出的SHAM应用于经典的波士顿住房数据集,以评估其实际性能。该数据集包含1970年波士顿地区506个美国人口普查普查区自有住房的中位值(MEDV),以及13个解释变量。它被广泛用于城市经济学和空间统计。
我们采用了Gilley和Pace(1996)的修正版本,其中包含了每个地理单元的坐标(u,v)以及邻域信息。正如现有结论所述,多年来,各种方法被提出以捕捉回归关系中的空间异质性。然而,大多数现有方法——包括GWR、空间滤波和贝叶斯方法——都预设了响应变量与预测变量之间的线性结构。本文提出了一种空间异质加性模型(SHAM),通过将加性模型嵌入空间可变系数框架中来放宽这一限制性假设。因此,SHAM提供了一种统一的[方法]。未引用参考文献:Harrison和Rubinfeld(1978)。李亚文 | 刘超 | 魏传华