基于 Logistic 多元 CAR 先验的空间依赖混合模型
统计方法学
2021-06-09 v2 应用统计
摘要
我们考虑空间依赖面状数据的问题，其中每个区域有独立的观测可用，并提议通过有限高斯分布混合对每个区域的密度建模。空间依赖通过一组单纯形中向量的新颖联合分布引入，我们称之为 logisticMCAR。我们展示了 logisticMCAR 分布的显著特征可解析描述，且基于 Pólya-Gamma 恒等式的合适增广方案允许导出高效的马尔可夫链蒙特卡洛算法。与竞争方法相比，当不同（不连通）面状位置具有不同特征时，我们的模型被证明能更好地估计密度。我们讨论了阿姆斯特丹市 Airbnb 房源真实数据集上的应用，并展示了如何轻松在模型中纳入额外的协变量信息。
引用
@article{arxiv.2007.14961,
title = {Spatially dependent mixture models via the Logistic Multivariate CAR prior},
author = {Mario Beraha and Matteo Pegoraro and Riccardo Peli and Alessandra Guglielmi},
journal= {arXiv preprint arXiv:2007.14961},
year = {2021}
}