一类面向大规模零膨胀空间数据的模型
统计方法学
2024-04-23 v2
摘要
具有过多零值的空间相关数据，通常称为零膨胀空间数据，出现在许多学科中。例子包括计数数据，例如动物物种的丰度（或缺失）和疾病计数，以及如观测降水之类的半连续数据。空间两部分模型是此类数据的一类灵活模型。由于高维相关潜变量、昂贵的矩阵运算以及缓慢混合的马尔可夫链，对大规模数据拟合两部分模型在计算上可能代价高昂。我们描述了一种基于投影的本征条件自回归（PICAR）框架、用于建模大规模零膨胀空间数据的灵活且计算高效的方法。我们通过广泛的模拟研究和两个环境数据集研究了我们称之为 PICAR-Z 的方法。我们的结果表明，PICAR-Z 在保持计算高效的同时提供了准确的预测。我们工作的一个重要目标是让非计算专家的研究人员能够轻松构建零膨胀空间模型的计算高效扩展；这也使得对两部分模型中建模选择的比以往更彻底的探索成为可能。我们展示了 PICAR-Z 在 nimble 和 stan 等流行概率编程语言中易于实现和扩展。
引用
@article{arxiv.2304.02476,
title = {A Class of Models for Large Zero-inflated Spatial Data},
author = {Ben Seiyon Lee and Murali Haran},
journal= {arXiv preprint arXiv:2304.02476},
year = {2024}
}