集成嵌套拉普拉斯近似法(INLA)是一种近似贝叶斯推断的方法。在过去的几年里,由于其速度和通过R-INLA软件包的易用性,它已经成为马尔科夫链蒙特卡洛等其他方法的替代品。尽管INLA方法的重点是可以表达为潜伏高斯马尔可夫随机场(GMRF)的模型,但这包含了大量在实践中使用的模型家族。
本手册描述了INLA程序,一种允许用户使用集成嵌套拉普拉斯近似(INLA)轻松执行近似贝叶斯推断的新仪器。我们描述了inla程序可以求解的一组模型,并提供了一系列详细说明其用法的算例。附录A包含inla程序的参考手册。
1.INLA中发现的潜伏模型、可能性、优先权和Vignettes的精选列表。
1.1 1阶自回归模型
1.2阶数p的自回归模型
1.3空间效应的贝萨格模型
1.4dMatern模型
1.5Generic0模型
1.6相关的随机效应:iid
1.7阶数为1的随机漫步模型
1.8阶数2的随机漫步模型
1.9季节性变化的模型
1.10对数正态分布
1.11空间效应的空间滞后模型
2.选定的优先权和每个优先权的例子。
2.1相关参数的Beta Prior
2.2Dirichlet先验
2.3"表达式":一个自己动手的先验
2.4高斯先验
2.5Logit-Beta先验
2.6以ρ=0为基础模型的相关性ρ的PC先验
2.7相关性ρ的PC先验,以ρ=1为基础模型。
2.8自由度(Dof)的PC先验
2.9θ=±log(a)的伽马分布Γ(1/a, 1/a)的PC先验,基础模型a=0
2.10精度的PC先验
3.选定的可能性与每个人的模拟例子。
3.1贝塔分布
3.2贝塔-二项分布
3.3二项分布
3.4删减的泊松分布
3.5指数分布
3.6伽马分布
3.7高斯分布
3.8Logistic分布
3.9对数正态分布
3.10泊松分布
4. INLA中的小插曲。
4.1SPDE一维例子
4.2关于如何用INLA拟合SPDE模型的简短介绍
4.3混合GEV:使用R-INLA的教程
4.4拟合模型的条件取样
4.5条件性Logistic回归模型
4.6用户定义的集成点
4.7在R中定义一个潜伏模型。rgeneric模型
4.8使用INLA的多项式Logit模型
4.9在R-INLA中逼近联合边际
4.10教程:在R-INLA中扩大IGMRF模型的规模
要获得INLA中的所有潜伏模型、似然和先验,请使用R中的以下命令。
以下是使用R-INLA的工作实例和教程的清单。
在洛桑大学举办的空间数据科学会议上,Luigi &Thomas的离散数据INLA课程(视频1:介绍-视频2:实践)。
一个温和的INLA教程--精确分析。
Paula Moraga教授的杂项教程(包括视频讲座)。
Haakon Bakka博士的杂项教程
SPDE教程,《统计软件杂志》(2015),《ISBA公报》(2012年第4期)(修订版,代码)。
旧网页上INLA的例子和案例分析。
Statistical Rethinking第二版作业,用R-INLA和tidyverse重做,Anna B. Kawiecki。
Intro to Modeling using INLA , Greg Albery.