Bayesian Uzamsal Otokorelasyon
Bayesian Spatial Autocorrelation Analysis · Ayrıca şöyle bilinir: Bayesian spatial dependence, Bayesian LISA, Bayesian spatial clustering, BSA
Bayesian Uzamsal Otokorelasyon, uzamsal bağımlılığı doğrudan bir Bayesian hiyerarşik modele yerleştirir. Koşullu Otokorelatif (CAR) bir önsel, komşu alanların uzak olanlardan daha benzer olacağı beklentisini kodlar ve sonsal çıkarım MCMC aracılığıyla elde edilir. Bu yaklaşım, küçük alan tahminlerinin komşulardan güç çekmesi gereken hastalık haritalama, ekoloji ve bölgesel bilimde özellikle değerlidir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Alan verilerinizde (poligon) uzamsal olarak referanslanmış sayımlar veya oranlar olduğunda ve hem düzeltilmiş küçük alan tahminlerine hem de belirsizlik ölçümüne ihtiyaç duyduğunuzda Bayesian Uzamsal Otokorelasyonu kullanın. Özellikle hastalık haritalama, suç analizi, ekolojik risk değerlendirmesi ve bölgesel ekonomide, alan başına örneklem boyutları küçük olduğunda ve klasik testler güvenilmez olduğunda uygundur. Ayrıca uzamsal varyasyonu yapılandırılmış (komşu) ve yapılandırılmamış (aşırı yayılma) bileşenlere ayırmak istediğinizde tercih edilir. Anlamlı bir komşuluk yapısı eksikliği olan verilerde, hiperparametre seçimlerini bilgilendirecek önsel bilgi olmadığında veya hesaplama kaynakları çok sınırlı olduğunda kaçının — basit bir küresel kümelenme testi için klasik Moran'ın I'sı yeterlidir.
Güçlü yönler & sınırlılıklar
- Tam olasılıksal: sadece bir nokta tahmini değil, her alan için güven aralıkları ve aşma olasılıkları üretir.
- Güç çekme: küçük alan tahminleri, CAR önseli aracılığıyla komşulardan bilgi toplayarak stabilize edilir.
- Uzamsal varyasyonu yapılandırılmış kümelenme ve yapılandırılmamış aşırı yayılma (BYM modeli) olarak ayrıştırır.
- Önsel yapısı aracılığıyla eksik verileri ve düzensiz coğrafyaları doğal olarak ele alır.
- INLA uygulamaları (R-INLA), büyük kafesler için bile hesaplamayı fizibil hale getirir.
- Çok büyük kafesler için MCMC ile hesaplama açısından yoğundur; INLA bunu hafifletir ancak yaklaşım hatası ekler.
- Sonuçlar, CAR önsel hiperparametrelerinin ve komşuluk tanımının seçimine duyarlı olabilir.
- Doğru şekilde belirtilmiş komşuluk matrisi W gerektirir; komşuluk yapısındaki hatalar sonsal çıkarıma yayılır.
- Klasik Moran'ın I'sından daha karmaşık yorumlanması ve iletilmesi, özellikle istatistiksel olmayan kitlelere.
SSS
Bayesian Uzamsal Otokorelasyon, Moran'ın I'sından nasıl farklıdır?
Moran'ın I'sı, p-değeri ile küresel uzamsal kümelenmeyi test eden tek bir tanımlayıcı istatistiktir. Bayesian Uzamsal Otokorelasyon, düzeltilmiş alan düzeyindeki etkileri tahmin eden, uzamsal ve uzamsal olmayan varyasyonu ayrıştıran ve tek bir sayı yerine sonsal dağılımlar üreten tam bir hiyerarşik modeldir. Farklı soruları yanıtlarlar: 'Kümelenme var mı?' yerine 'Belirsizlikle birlikte yerel olarak değişen risk nedir?'
BYM modeli nedir?
BYM, Besag-York-Mollie (1991) anlamına gelir. Her alandaki log-riski, uzamsal olarak yapılandırılmış bir CAR bileşeni (φ) ve bağımsız bir yapılandırılmamış heterojenlik bileşeni (θ) toplamı olarak belirtir. Bu ayrıştırma, modelin hem küresel kümelenmeyi hem de yalnızca uzamsal yakınlıkla açıklanamayan yerel aşırı yayılmayı yakalamasına olanak tanır.
MCMC yerine INLA kullanabilir miyim?
Evet. Entegre Yerleşik Laplace Yaklaşımı (INLA), CAR tabanlı uzamsal modeller de dahil olmak üzere gizli Gauss modelleri için hızlı, doğru sonsal yaklaşımlar sağlar. R-INLA paketi bunu uygular ve çoğu hastalık haritalama ve alan verisi uygulaması için tam MCMC'den çok daha hızlıdır, bu da onu pratikte tercih edilen araç haline getirir.
Komşuluk matrisi W'yu nasıl tanımlarım?
En yaygın yaklaşım kraliçe veya kale komşuluğudur: bir sınırı paylaşan alanlar (kraliçe için bir köşe) komşu olarak kodlanır (W_ij = 1). Bir kafese hizalanmış nokta verileri için, k-en yakın komşu veya mesafe bandı komşuluğu daha uygun olabilir. W seçimi, tahmin edilen uzamsal otokorelasyon yapısını doğrudan şekillendirir ve modellenen anlamlı süreci yansıtmalıdır.
Bayesian Uzamsal Otokorelasyonu hangi yazılım uygular?
R-INLA (INLA paketi aracılığıyla), alan tabanlı Bayesian uzamsal modeller için en yaygın kullanılan araçtır. Alternatifler arasında MCMC tabanlı çıkarım için Stan (brms veya özel Stan kodu aracılığıyla) ve BYM ve ilgili modeller için R'deki CARBayes paketi bulunur. Python kullanıcıları, özel CAR log-olasılık fonksiyonlarıyla PyMC'yi kullanabilir.
Kaynaklar
- Besag, J., York, J., & Mollie, A. (1991). Bayesian image restoration, with two applications in spatial statistics. Annals of the Institute of Statistical Mathematics, 43(1), 1–20. DOI: 10.1007/BF00116466 ↗
- Gelfand, A. E., Diggle, P., Guttorp, P., & Fuentes, M. (Eds.). (2010). Handbook of Spatial Statistics. CRC Press. ISBN: 978-1420072877
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Bayesian Spatial Autocorrelation Analysis. ScholarGate. https://scholargate.app/tr/spatial-analysis/bayesian-spatial-autocorrelation
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bayesian Kriging (Model-Based Geostatistics)Mekânsal analiz↔ karşılaştır
- Bayes Uzamsal RegresyonMekânsal analiz↔ karşılaştır
- Mekansal İlişkinin Yerel Göstergeleri (LISA)Mekânsal analiz↔ karşılaştır
- Yerel Mekansal OtokorelasyonMekânsal analiz↔ karşılaştır
- Moran's IMekânsal analiz↔ karşılaştır
- Mekansal OtokorelasyonMekânsal analiz↔ karşılaştır