pitfalls in the implementation of bayesian hierarchical modeling of areal count data: an illustration using bym and leroux models

مزالق تطبيق النمذجة الهرمية البايزية لبيانات العد المساحية: دراسة توضيحية باستخدام نماذج BYM وليرو

Clicks: 309
ID: 160637
2015
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Steady

Ranked #14 of 98 articles by views in open geospatial data, software and standards

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
Several different hierarchical Bayesian models can be used for the estimation of spatial risk patterns based on spatially aggregated count data. Typically, the resulting posterior distributions of the model parameters cannot be expressed in closed forms, and MCMC approaches are required for inference. However, implementations of hierarchical Bayesian models for such areal data are error-prone. Also, different implementation methods exist, and a surprisingly large variability may develop between the methods as well as between the different MCMC runs of one method. This paper has four main goals: (1) to present a point by point annotated code of two commonly used models for areal count data, namely the BYM and the Leroux models (2) to discuss technical variations in the implementation of a formula-driven sampler and to assess the variability in the posterior results from various alternative implementations (3) to give graphical tools to compare sample(r)s which complement existing convergence diagnostics and (4) to give various practical tips for implementing samplers.
يمكن استخدام العديد من النماذج البايزية الهرمية المختلفة لتقدير أنماط المخاطر المكانية استنادًا إلى بيانات العدّ المجمّعة مكانيًا. وعادةً، لا يمكن التعبير عن التوزيعات البَعدية الناتجة لمعلمات النموذج بصيغ مغلقة، مما يتطلب استخدام مقاربات سلاسل ماركوف مونت كارلو (MCMC) لإجراء الاستدلال. ومع ذلك، فإن التطبيقات الحاسوبية للنماذج البايزية الهرمية لمثل هذه البيانات المساحية تكون عُرضة للأخطاء. فضلاً عن ذلك، توجد طرائق تنفيذ مختلفة، وقد ينشأ تباين كبير على نحو مفاجئ بين هذه الطرائق، وكذلك بين دورات تشغيل MCMC المختلفة للطريقة الواحدة. وتهدف هذه الورقة إلى تحقيق أربعة مقاصد رئيسية: (1) تقديم شفرة برمجية مشروحة تفصيليًا لنموذجين شائعَي الاستخدام لبيانات العدّ المساحية، وهما نموذجا BYM ولورو (Leroux)، (2) مناقشة الاختلافات التقنية في تنفيذ أداة سحب عينات (sampler) قائمة على الصيغ الرياضية، وتقييم التباين في النتائج البَعدية الناجمة عن تطبيقات بديلة مختلفة، (3) توفير أدوات رسومية لمقارنة العينات/أدوات سحب العينات بما يكمل تشخيصات التقارب الحالية، و(4) تقديم نصائح عملية متنوعة لتنفيذ أدوات سحب العينات.
Reference Key
gerber2015journalpitfalls Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors ;Florian Gerber;Reinhard Furrer
Journal open geospatial data, software and standards
Year 2015
DOI
10.18637/jss.v063.c01
URL
http://www.jstatsoft.org/index.php/jss/article/view/2237
Keywords
statistics

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.