Detección local de señales en dominios irregulares con modelos generalizados de coeficientes variables

Área de la Ciencia:

• Análisis espacial
• Modelado estadístico
• Geoestadística

Sus antecedentes:

• El análisis espacial requiere cuantificar la heterogeneidad.
• Los modelos generalizados de coeficientes de variación espacial (GSVCM) abordan la heterogeneidad espacial al permitir que los coeficientes varíen.
• Detectar señales locales dentro de estos modelos es crucial.

Objetivo del estudio:

• Proponer un método de spline bivariado penalizado para la detección de señales locales en GSVCM.
• Desarrollar regiones de confianza para cuantificar la incertidumbre en regiones nulas estimadas.
• Establecer la coherencia de la función de coeficiente no paramétrico propuesta y la estimación de la región nula.

Principales métodos:

• Utilizando splines bivariadas en triangulaciones para aproximar las funciones de coeficientes variables no paramétricos.
• Aplicación de una penalización local en las normas L2 de los coeficientes de spline por triángulo para identificar las regiones nulas.
• Desarrollo de un algoritmo eficiente utilizando la aproximación cuadrática local para la estimación.

Principales resultados:

• El método detecta eficazmente las señales locales e identifica las regiones de cero efectos en GSVCM.
• Las regiones de confianza proporcionan la cuantificación de la incertidumbre para las regiones nulas estimadas.
• Se establece la coherencia de las funciones de coeficientes no paramétricos estimados y de las regiones nulas.

Conclusiones:

• El método de spline bivariado penalizado ofrece un enfoque robusto para analizar la heterogeneidad espacial utilizando GSVCM.
• La técnica propuesta maneja de manera eficiente los dominios irregulares y proporciona una inferencia fiable.
• Las evaluaciones numéricas demuestran el rendimiento del método en simulaciones y datos del mundo real.