基于贝叶斯广义可加模型的土壤纹理预测：用于空间组成数据
统计方法学
2025-08-12 v1 应用统计
摘要
组成数据（CoDa）在生态学、地质学或生物学等诸多领域发挥着重要作用。最广泛使用的建模方法基于 Aitchison 几何下的 Dirichlet 分布和 logistic 正态分布形式。近期在单纯形几何数学领域的发展，允许以坐标形式表达回归模型并估计其系数。一旦模型投射到实数空间中，我们就可以对其进行多变量高斯回归处理。然而，大多数现有方法聚焦于线性模型，缺乏基于贝叶斯框架的灵活替代方案，如可加模型或空间模型，尤其在实际实现细节上。本文提出了一种基于贝叶斯视角的 CoDa 地空间可加回归模型，采用 R 语言中的 brms 软件包。该模型应用等距对数比（ilr）转换和分段惩罚样条来纳入非线性效应。我们还提出了两种新的贝叶斯拟合优度度量标准：BR-CoDa- 和 BM-CoDa-，将贝叶斯 拓展到组成设置中。这些度量标准以及 WAIC 支持模型选择和评估。通过仿真研究并应用于预测巴斯克地区的土壤纹理组成，验证了该方法的可行性。结果表明，该方法在预测性能、可解释空间模式以及对组成结果解释变异性方面均表现良好。
引用
@article{arxiv.2508.07708,
title = {Soil Texture Prediction with Bayesian Generalized Additive Models for Spatial Compositional Data},
author = {Joaquín Martínez-Minaya and Lore Zumeta-Olaskoaga and Dae-Jin Lee},
journal= {arXiv preprint arXiv:2508.07708},
year = {2025}
}