• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistical modeling: applications in contemporary issues >Variable selection for spatial latent predictors under bayesian spatial model
【24h】

Variable selection for spatial latent predictors under bayesian spatial model

机译：贝叶斯空间模型下空间潜变量的变量选择

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The problem of variable selection is encountered in model fitting with unobserved spatial predictors at the sites where outcomes are measured. The variability of the interpolated predictors at outcome sites results in potential problems of variable selection and averaging the results across different datasets. A Bayesian spatial model is developed to tackle this issue. By sampling the latent spatial predictors and selecting the spatial and non-spatial predictors using stochastic search variable selection Gibbs sampling algorithm, our approach allows for uncertainty of the predictors including the interpolated predictors. The approach is evaluated and illustrated through a simulated data example and an application to mental retardation and developmental delay in a Medicaid population in South Carolina with samples of soil chemistry.
机译：在模型中，在测量结果的站点使用未观察到的空间预测变量进行模型拟合时会遇到变量选择的问题。结果站点内插预测变量的可变性会导致潜在的变量选择问题，并在不同数据集中对结果进行平均。贝叶斯空间模型被开发来解决这个问题。通过对潜在的空间预测变量进行采样，并使用随机搜索变量选择Gibbs采样算法选择空间和非空间预测变量，我们的方法可以使包括插值预测变量的预测变量具有不确定性。通过模拟数据示例对该方法进行了评估和说明，并将其应用于南卡罗来纳州医疗补助人口的智力发育迟缓和土壤化学样品。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号