一类空间相关的自激模型
应用统计
2021-02-16 v3
摘要
对在空间-时间格点上观测到的多元计数数据的统计建模，通常侧重于使用分层建模方法，将空间-时间相关结构置于连续的、潜在的进程上。然后假设计数分布在给定潜在进程的条件下是条件独立的。然而，在许多现实应用中，特别是在犯罪或恐怖主义数据建模中，计数分布之间的条件独立性是不合适的。在本文中，我们提出了一类捕捉空间变异并考虑数据模型依赖可能性的模型。所得模型允许数据模型依赖（或自激）以及潜在结构中的空间依赖。我们展示了如何利用二阶性质来刻画时空过程，以及误差的误设定如何夸大模型中的自激。最后，我们给出了一种用于该模型高效贝叶斯推断的算法，展示了其在捕捉2010-2015年芝加哥入室盗窃时空结构中的用途。
引用
@article{arxiv.1805.08323,
title = {A Class of Spatially Correlated Self-Exciting Models},
author = {Nicholas J Clark and Philip M. Dixon},
journal= {arXiv preprint arXiv:1805.08323},
year = {2021}
}