Spatial Clustering Regression of Count Value Data via Bayesian Mixture of Finite Mixtures
Spatial Clustering Regression of Count Value Data via Bayesian Mixture of Finite Mixtures
复制标题
通过有限混合物的贝叶斯混合进行计数值数据的空间聚类回归
DOI：
10.1145/3580305.3599509
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Hu, Guanyu
中科院分区：
文献类型：
--
作者：
Zhao, Peng;Yang, Hou-Cheng;Dey, Dipak K.;Hu, Guanyu
在环境科学、地球科学和公共卫生等领域，调查响应变量和协变量之间的关系是一项重要的奋进。基于贝叶斯混合有限混合模型，提出了一种新的计数值数据空间聚集系数回归模型。该方法检测泊松回归系数的空间均匀性。有限混合先验的马尔可夫随机场约束混合提供了具有地理邻域信息的回归系数聚类数的正则化估计。作为一个副产品，我们还提供了我们提出的方法的理论性质时，马尔可夫随机场是可交换的。以多元对数伽玛分布为基分布，提出了一种有效的马尔可夫链蒙特卡罗算法。仿真研究进行了检验所提出的方法的经验性能。此外，我们分析了格鲁吉亚的过早死亡的数据，作为我们的方法的有效性的说明。补充材料在GitHub上提供，网址为https://github.com/pengzhaostat/MLG_MFM。
Investigating relationships between response variables and covariates in areas such as environmental science, geoscience, and public health is an important endeavor. Based on a Bayesian mixture of finite mixtures model, we present a novel spatially clustered coefficients regression model for count value data. The proposed method detects the spatial homogeneity of the Poisson regression coefficients. A Markov random field constrained mixture of finite mixtures prior provides a regularized estimator of the number of clusters of regression coefficients with geographical neighborhood information. As a by-product, we also provide the theoretical properties of our proposed method when the Markov random field is exchangeable. An efficient Markov chain Monte Carlo algorithm is developed by using the multivariate log gamma distribution as a base distribution. Simulation studies are carried out to examine the empirical performance of the proposed method. Additionally, we analyze Georgia's premature death data as an illustration of the effectiveness of our approach. The supplementary materials are provided on GitHub at https://github.com/pengzhaostat/MLG_MFM.
登录
查看更多内容
DOI：
10.1080/01621459.2018.1529595
发表时间：
2019-04-10
影响因子：
3.7
作者：
Li, Furong;Sang, Huiyan
通讯作者：
Sang, Huiyan
影响因子：
0.7
作者：
Jeffrey W. Miller
通讯作者：
Jeffrey W. Miller
DOI：
10.4310/21-sii672
发表时间：
2019-12
期刊：
arXiv: Applications
影响因子：
--
作者：
Hou‐Cheng Yang;Lijiang Geng;Yishu Xue;Guanyu Hu
通讯作者：
Hou‐Cheng Yang;Lijiang Geng;Yishu Xue;Guanyu Hu
使用非平稳谱模拟对大空间数据进行贝叶斯推理
影响因子：
2.3
作者：
Yang, Hou-Cheng;Bradley, Jonathan R.
通讯作者：
Bradley, Jonathan R.
用于检测区域参考空间数据集中边界的非参数层次建模
DOI：
--
发表时间：
2009
期刊：
影响因子：
--
作者：
Pei Li;Sudipto Banerjee;T. Hanson;A. McBean
通讯作者：
A. McBean