基于仿真校准验证 two-stage Bayesian 空间模型的不确定性传播方法
统计方法学
2025-02-27 v1 统计计算
摘要
本工作聚焦于 two-stage Bayesian 模型中的不确定性传播问题，特别关注空间应用场景。two-stage 建模框架相较于完全贝叶斯方法在计算效率上具有优势，当第一阶段模型本身已较为复杂时，亦可避免不必要的反馈效应。两种 two-stage 建模方式为粗略插值法和后验抽样法。前者忽略了第一阶段模型的不确定性，而后者则可能计算开销较大。本文对上述两种方法进行验证，并提出一种新型的不确定性传播方法，称为 不确定性方法，采用集成层大Laplace近似 (INLA) 实现。我们采用仿真基准校准方法进行验证，该方法检验贝叶斯模型的自我一致性。结果表明，粗略插值法低估了第二阶段模型参数的真实后验不确定性，而抽样方法和本文提出的方法则正确。我们在一个实际案例中进行了展示，旨在链接菲律宾2018年8月的相对湿度与登革热病例。
引用
@article{arxiv.2502.18962,
title = {Validating uncertainty propagation approaches for two-stage Bayesian spatial models using simulation-based calibration},
author = {Stephen Jun Villejo and Sara Martino and Janine Illian and William Ryan and Finn Lindgren},
journal= {arXiv preprint arXiv:2502.18962},
year = {2025}
}