利用 INLA 对非高斯随机场动态模型进行推断：巴西城市凶杀率分析
应用统计
2015-02-16 v2
摘要
稳健的时间序列分析是统计建模中的一个重要课题。基于高斯分布的模型对异常值敏感，这可能导致估计性能和预测精度的显著下降。状态空间模型（也称为动态模型）是通过结构化潜在演化系统描述时间序列变量演变的非常有效的方法。集成嵌套拉普拉斯近似 (INLA) 是最近提出的一种在潜在高斯模型中执行快速贝叶斯推断的方法，它自然地包含了动态模型。我们展示了如何使用 INLA 进行快速准确的非高斯动态建模，并表明与基于高斯分布的标准动态模型相比，这些模型如何提供更稳健的时间序列分析。我们形式化了使用 R 包 INLA 拟合复杂非高斯状态空间模型的框架，并在模拟研究和巴西凶杀率数据集上说明了我们的方法。
引用
@article{arxiv.1312.6896,
title = {Inference on Dynamic Models for non-Gaussian Random Fields using INLA: A Homicide Rate Analysis of Brazilian Cities},
author = {Renan Xavier Cortes and Thiago Guerrera Martins and Marcos Oliveira Prates and Bráulio Figueiredo Alves da Silva},
journal= {arXiv preprint arXiv:1312.6896},
year = {2015}
}
备注
26 pages, 4 figures