基于 R-INLA 的潜高斯模型联合后验推断
统计计算
2021-12-07 v1
摘要
高效的贝叶斯推断在分层模型中仍是一项计算挑战。基于模拟的方法（如马尔可夫链蒙特卡洛方法）仍然流行，但计算代价高昂。当处理大类潜高斯模型时，嵌入于 R-INLA 软件中的 INLA 方法通过确定性混合表示来近似联合后验从而提供准确的贝叶斯推断，并由此计算边缘后验。INLA 方法从一开始便旨在近似单变量后验。在本文中，我们为提供潜场子集的联合近似工具奠定开发基础。这些近似继承了高斯 copula 结构，并额外提供偏度修正。同样的思想也推进到从混合表示中采样，我们现在可以对其偏度进行调整。
引用
@article{arxiv.2112.02861,
title = {Joint Posterior Inference for Latent Gaussian Models with R-INLA},
author = {Cristian Chiuchiolo and Janet van Niekerk and Haavard Rue},
journal= {arXiv preprint arXiv:2112.02861},
year = {2021}
}
备注
33 pages, 11 figures