เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| แบบจำลองแผงเชิงพื้นที่แบบเบย์× | การถดถอยเชิงพื้นที่แบบเบย์× | |
|---|---|---|
| สาขาวิชา | การวิเคราะห์เชิงพื้นที่ | การวิเคราะห์เชิงพื้นที่ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 2009–2014 | 1990s–2000s |
| ผู้ริเริ่ม≠ | LeSage & Pace; Elhorst | Banerjee, Carlin & Gelfand (foundational treatment); building on Besag (1974) for lattice priors |
| ประเภท≠ | Bayesian spatial panel regression | Bayesian hierarchical regression |
| แหล่งต้นตำรับ≠ | LeSage, J. P., & Pace, R. K. (2009). Introduction to Spatial Econometrics. CRC Press / Taylor & Francis. ISBN: 978-1420064247 | Banerjee, S., Carlin, B. P., & Gelfand, A. E. (2015). Hierarchical Modeling and Analysis for Spatial Data (2nd ed.). CRC Press. ISBN: 978-1439819173 |
| ชื่อเรียกอื่น | Bayesian spatial panel, Bayesian spatial econometrics panel, BSPM, Bayesian panel spatial regression | Bayesian hierarchical spatial model, BSR, Bayesian geostatistical regression, Bayesian spatial linear model |
| ที่เกี่ยวข้อง≠ | 5 | 3 |
| สรุป≠ | The Bayesian Spatial Panel Model estimates spatial interaction effects (spatial lag, spatial error, or Durbin) in panel data using Bayesian inference via Markov Chain Monte Carlo (MCMC). It combines the ability to control for unobserved unit- and time-specific heterogeneity with principled uncertainty quantification, making it suitable for georeferenced longitudinal datasets in economics, public health, and regional science. | Bayesian Spatial Regression embeds a spatially structured random effect into a regression framework and estimates all parameters — including spatial range and variance — through posterior inference rather than point estimation. It handles spatial autocorrelation, quantifies full predictive uncertainty, and accommodates small or irregular spatial datasets via hierarchical priors. |
| ScholarGateชุดข้อมูล ↗ |
|
|