用于错位面状单元上高维数据插值的贝叶斯高斯模型

面状水平空间数据通常规模大、稀疏，并可能以规则或不规则（如邮政编码）的地理形状出现。此外，有时需要在与观测空间面状地理边界错位的规则或不规则面状形状上获得预测推断。例如，在调查中受访者被询问其邮政编码，但出于政策制定目的，研究者通常感兴趣于在 SA2 上获取信息。统计挑战在于在 SA2 上获得空间预测，而 SA2 可能与邮政编码有重叠的地理边界。本研究受澳大利亚国立大学(ANU) Poll 获得的实用调查数据所推动。此处主要研究问题是理解受访者对澳大利亚发展方向的满意程度。数据在澳大利亚 2,516 个可用邮政编码中的 1,944 个上观测到，并在 2,196 个 SA2 上获得预测。所提方法还通过基于网格的模拟研究进行了探索，其中数据在规则网格中观测，空间预测在与所述首套规则网格集有错位地理边界的规则网格中完成。ANU Poll 数据的实际案例处理了不规则且错位的地理边界情形，即以邮政编码数据拟合模型并从而在 SA2 上获得预测。还进行了比较研究以验证所提方法。本文在贝叶斯层次下构建了高斯模型。新颖性在于开发了能处理空间稀疏性与局部空间结构的基础函数。它还能通过构建基于节点的降维基础函数来处理高维空间数据建模问题。