×
塞缪尔·伯查克一世。;马克·扬科;费利佩·梅德罗斯（Felipe A.Medeiros）。;威廉·潘;赛扬·穆克吉

纵向空间曲面的贝叶斯非参数因子分析。 （英语） Zbl 1531.62021号

贝叶斯分析。 第2期第17期，第435-464页（2022年）.
小结：我们介绍了一个贝叶斯非参数空间因素分析模型，该模型通过先验因子加载引入空间相关性。对于载荷矩阵的每一列，使用probit stick-breaking过程（PSBP）对空间相关性进行编码，并在各列之间使用乘法伽马过程收缩先验来自适应确定潜在因子的数量。通过将空间信息编码到载荷矩阵中，可以学习尊重观察到的邻域依赖性的有意义的因素，使其对于评估空间上的速率非常有用。此外，空间PSBP先验可以用于聚类时间趋势，允许用户识别具有相似时间轨迹的空间域中的区域，这是许多应用环境中的一项重要任务。在原稿中，我们用模拟数据以及两个真实世界的例子来说明模型的性能：青光眼的纵向监测和整个秘鲁亚马逊的疟疾监测。CRAN上提供的R包spBFA实现了该方法。

理学硕士：

62G08号 非参数回归和分位数回归
2015年1月62日 贝叶斯推断
62H25个 因子分析和主成分；对应分析

关键词：

贝叶斯非参数;尺寸缩减;因子分析;probit-stick-breaking过程;时空聚类

软件：

袋装R
PDF格式BibTeX公司 XML格式引用
\textit{S.I.Berchuck}等人，贝叶斯分析。17，编号2，435--464（2022；Zbl 1531.62021）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Berchuck，S.I.、Janko，M.、Medeiros，F.A.、Pan，W.和Mukherjee，S.（2020年）。“《纵向空间表面贝叶斯非参数因子分析》的补充材料。”贝叶斯分析.
[2] Berchuck，S.I.、Mwanza，J.-C.、Tanna，A.P.、Budenz，D.L.和Warren，J.L.（2019a）。“使用时空边界检测方法改进视野进展检测。”科学报告, 9(1): 4642.
[3] Berchuck，S.I.、Mwanza，J.-C.和Warren，J.L.（2019b）。“利用时空边界检测方法利用视野数据诊断青光眼进展。”美国统计协会杂志, 114: 1063-1074. ·Zbl 1428.62469号 ·doi:10.1080/01621459.2018.1537911
[4] Berchuck，S.I.、Warren，J.L.、Herring，A.H.、Evenson，K.R.、Moore，K.A.、Ranchod，Y.K.和Diez-Roux，A.V.（2016）。“利用娱乐设施与锻炼之间关系的空间建模：‘动脉粥样硬化的多民族研究’。”英国皇家统计学会杂志：A辑（社会统计）, 179(1): 293-310.
[5] Bhattacharya，A.和Dunson，D.B.（2011年）。“稀疏贝叶斯无限因子模型。”生物特征，98（2）：291-306·Zbl 1215.62025号 ·doi:10.1093/biomet/asr013
[6] Christensen，W.F.和Amemiya，Y.（2002年）。“多元空间数据的潜在变量分析。”美国统计协会杂志, 97(457): 302-317. ·Zbl 1073.62537号 ·doi:10.1198/016214502753479437
[7] Chung，Y.和Dunson，D.B.（2009年）。“具有变量选择的非参数贝叶斯条件分布建模。”美国统计协会杂志, 104(488): 1646-1660. ·Zbl 1205.62039号 ·doi:10.1198/jasa.2009.tm08302
[8] Datta，A.、Banerjee，S.、Finley，A.O.和Gelfand，A.E.（2016）。“大型地质统计数据集的层次最近邻高斯过程模型。”美国统计协会杂志, 111(514): 800-812. ·doi:10.1080/01621459.2015.1044091
[9] Duan，J.A.、Guindani，M.和Gelfand，A.E.（2007年）。“广义空间Dirichlet过程模型。”生物特征, 94(4): 809-825. ·Zbl 1156.62064号 ·doi:10.1093/biomet/asm071
[10] Gelfand，A.E.、Kottas，A.和MacEachern，S.N.（2005年）。“使用Dirichlet过程混合的贝叶斯非参数空间建模。”美国统计协会杂志, 100(471): 1021-1035. ·Zbl 1117.62342号 ·doi:10.1198/0162145000002078
[11] Gelman，A.、Carlin，J.B.、Stern，H.S.、Dunson，D.B.、Vehtari，A.和Rubin，D.B.（2013）。贝叶斯数据分析查普曼和霍尔/CRC·Zbl 1279.62004号
[12] Geweke，J.（1992）。“评估基于抽样的方法计算后力矩的准确性”，载于Bernardo，J.M.、Berger，J.、Dawid，A.P.和Smith，J.F.M.（编辑），贝叶斯统计学4, 169-193. 牛津：牛津大学出版社。
[13] Ghosh，J.和Dunson，D.B.（2009年）。“贝叶斯因子分析中的默认先验分布和有效后验计算。”计算与图形统计杂志, 18(2): 306-320. ·doi:10.1198/jcgs.2009.07145
[14] Guhaniyogi，R.、Finley，A.O.、Banerjee，S.和Kobe，R.K.（2013）。“模拟复杂的空间相关性：低库空间变化的交叉协方差，并应用于土壤养分数据。”农业、生物和环境统计杂志, 18(3): 274-298. ·Zbl 1303.62071号 ·doi:10.1007/s13253-013-0140-3
[15] Hersbach，H.（2000）。“集合预测系统连续排序概率分数的分解。”天气和预报, 15(5): 559-570.
[16] Hogan，J.W.和Tchernis，R.（2004）。“对空间相关数据进行贝叶斯因子分析，并应用于从人口普查数据中总结区域层面的物质匮乏。”美国统计协会杂志，99（466）：314-324·Zbl 1117.62354号 ·doi:10.1198/016214500000296
[17] Lopes，H.F.、Gamerman，D.和Salazar，E.（2011年）。“广义空间动态因子模型。”计算统计与数据分析, 55(3): 1319-1330. ·Zbl 1328.65032号 ·doi:10.1016/j.csda.2010.09.020
[18] Lopes，H.F.、Salazar，E.、Gamerman，D.等人（2008年）。“空间动态因素分析。”贝叶斯分析, 3(4): 759-792. ·Zbl 1330.62356号 ·doi:10.1214/08-BA329
[19] MacEachern，S.N.（1999）。“相关非参数过程”。InASA贝叶斯统计科学部分会议记录第1卷，第50-55页。弗吉尼亚州亚历山大市。弗吉尼亚州：美国统计协会；1999
[20] Murray，J.S.、Dunson，D.B.、Carin，L.和Lucas，J.E.（2013）。“混合数据的贝叶斯-高斯copula因子模型。”美国统计协会杂志, 108(502): 656-665. ·兹比尔06195968 ·doi:10.1080/01621459.2012.762328
[21] Napier，G.、Lee，D.、Robertson，C.和Lawson，A.（2018年）。“基于疾病趋势对区域单元进行聚类的贝叶斯时空模型。”生物统计学, 00(0): 00-00.
[22] Nethery，R.C.、Sandler，D.P.、Zhao，S.、Engel，L.S.和Kwok，R.K.（2018）。“一个联合空间因素分析模型，用于容纳错位面积单位的数据，并应用于路易斯安那州的社会脆弱性。”生物统计学, 20(3): 468-484.
[23] Nethery，R.C.、Warren，J.L.、Herring，A.H.、Moore，K.A.、Evenson，K.R.和Diez-Roux，A.V.（2015）。“用于测量邻近水平特征的通用空间因素分析模型：动脉粥样硬化的多民族研究。”健康与场所, 36: 35-46.
[24] Pati，D.和Dunson，D.B.（2014）。“具有不同残差密度的贝叶斯非参数回归。”统计数学研究所年鉴, 66(1): 1-31. ·Zbl 1281.62102号 ·doi:10.1007/s10463-013-0415-z
[25] Pati，D.、Dunson，D.B.和Tokdar，S.T.（2013）。“条件分布估计的后验一致性。”多元分析杂志, 116: 456-472. ·Zbl 1277.62108号 ·doi:10.1016/j.jmva.2013.01.011
[26] Polson，N.G.、Scott，J.G.和Windle，J.（2013）。“使用Pólya-Gamma潜在变量对逻辑模型进行贝叶斯推断。”美国统计协会杂志, 108(504): 1339-1349. ·Zbl 1283.62055号 ·doi:10.1080/01621459.2013.829001
[27] Reich，B.J.和Bandyopadhyay，D.（2010年）。“具有信息缺失的空间数据的潜在因素模型。”应用统计学年鉴, 4(1): 439. ·Zbl 1189.62175号 ·doi:10.1214/09-AOAS278
[28] Ren，Q.和Banerjee，S.（2013）。“大型空间错位数据的层次因子模型：低阶预测过程方法。”生物计量学, 69(1): 19-30. ·Zbl 1274.62860号 ·文件编号：10.1111/j.1541-0420.2012.01832.x
[29] Rodriguez，A.和Dunson，D.B.（2011年）。“通过概率棒打破过程的非参数贝叶斯模型。”贝叶斯分析, 6(1): 145-177. ·Zbl 1330.62120号 ·doi:10.1214/11-BA605
[30] Strickland，C.、Simpson，D.、Turner，I.、Denham，R.和Mengersen，K.（2011年）。“多时相遥感图像空间动态因子模型的快速贝叶斯分析”英国皇家统计学会杂志：C辑（应用统计学）, 60(1): 109-124.
[31] Tibshirani，R.、Walther，G.和Hastie，T.（2001）。“通过间隙统计估计数据集中的簇数。”英国皇家统计学会杂志：B辑（统计方法），63（2）:411-423·Zbl 0979.62046号 ·数字对象标识代码：10.1111/1467-9868.00293
[32] Tzala，E.和Best，N.（2008年）。“癌症死亡率多变量时空变化的贝叶斯潜在变量模型。”医学研究中的统计方法, 17(1): 97-118. ·Zbl 1161.62075号 ·doi:10.1177/0962280207081243
[33] Vehtari，A.、Gelman，A.和Gabry，J.（2017）。“使用leave-on-out交叉验证和WAIC进行实用贝叶斯模型评估。”统计学与计算, 27(5): 1413-1432. ·Zbl 1505.62408号 ·doi:10.1007/s11222-016-9696-4
[34] Vittor，A.Y.、Pan，W.、Gilman，R.H.、Tielsch，J.、Glass，G.、Shields，T.、Sánchez-Lozano，W.，Pinedo，V.V.、Salas-Cobos，E.、Flores，S.等人（2009年）。“亚马逊森林砍伐与疟疾的联系：主要疟疾媒介达林按蚊繁殖栖息地的特征。”美国热带医学与卫生杂志, 81(1): 5.
[35] Walker，S.G.（2007）。“用切片对Dirichlet混合模型进行采样。”统计中的通信——模拟和计算R（右）◯, 36(1): 45-54. ·Zbl 1113.62058号 ·doi:10.1080/03610910601096262
[36] Wall，M.M.和Liu，X.（2009）。“空间分布多元二进制数据的空间潜在类分析模型。”计算统计与数据分析, 53(8): 3057-3069. ·Zbl 1453.62234号 ·doi:10.1016/j.csda.2008.07.037
[37] Weinreb，R.N.、Aung，T.和Medeiros，F.A.（2014年）。“青光眼的病理生理学和治疗：综述。”日本汽车制造商协会，311（18）：1901-1911。
[38] West，M.、Harrison，P.J.和Migon，H.S.（1985年）。“动态广义线性模型和贝叶斯预测。”美国统计协会杂志, 80(389): 73-83 ·Zbl 0568.62032号 ·doi:10.1080/01621459.1985.10477131
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。