基于条件多元 Logit-Beta 分布的大规模多项型数据的时空模型
统计方法学
2018-12-11 v1
摘要
我们引入一种贝叶斯方法，用于分析在空间与时间上被引用的高维多项型数据。具体地，与多项型数据相关的比例被假定通过 logit 链接到潜时空混合效应模型。该策略允许在空间与时间上均非平稳、非对称且简洁的协方差。我们还将条件多元 logit-beta 分布引入相依多项型数据设定，从而在坍缩 Gibbs 采样器中导出共轭满条件分布。我们称此模型为多项型时空混合效应模型（MN-STM）。此外，我们给出方法学进展，包括：相关满条件分布的推导、与潜高斯过程模型的关系、以及非平稳向量自回归模型的稳定性。我们通过模拟及使用美国人口普查局纵向雇主-家庭动态（LEHD）计划的公共季度劳动力指标（QWI）数据演示来说明 MN-STM。
引用
@article{arxiv.1812.03555,
title = {Spatio-Temporal Models for Big Multinomial Data using the Conditional Multivariate Logit-Beta Distribution},
author = {Jonathan R. Bradley and Christopher K. Wikle and Scott H. Holan},
journal= {arXiv preprint arXiv:1812.03555},
year = {2018}
}