ScholarGate
Assistent
Bayesian methodsBayesian / computational

Rumlig Bayesiansk modelgennemsnit

Rumlig Bayesiansk modelgennemsnit (rumlig BMA) udvider klassisk BMA til situationer, hvor observationer er georefererede, og rumlig afhængighed skal modelleres. I stedet for at vælge en enkelt rumlig regressionsmodel — hvilken rumlig vægtmatrix der skal bruges, hvilke regressorer der skal inkluderes, hvilken rumlig lag- eller fejlstruktur der skal adopteres — gennemsnitliggør den forudsigelser og parameterestimater på tværs af alle kandidatmodeller, vægtet af deres posteriore sandsynlighed givet data.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. LeSage, J. P. & Pace, R. K. (2009). Introduction to Spatial Econometrics. CRC Press / Taylor & Francis. ISBN: 978-1420064247
  2. Fernandez, C., Ley, E. & Steel, M. F. J. (2001). Benchmark priors for Bayesian model averaging. Journal of Econometrics, 100(2), 381-427. DOI: 10.1016/S0304-4076(00)00076-2

Sådan citerer du denne side

ScholarGate. (2026, June 3). Spatial Bayesian Model Averaging. ScholarGate. https://scholargate.app/da/bayesian/spatial-bayesian-model-averaging

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateSpatial Bayesian Model Averaging (Spatial Bayesian Model Averaging). Hentet 2026-06-15 fra https://scholargate.app/da/bayesian/spatial-bayesian-model-averaging · Datasæt: https://doi.org/10.5281/zenodo.20539026