R-INLA-参数介绍

贝叶斯地理统计模型R-INLA-参数介绍

在前述的内容中，我们介绍了，如何利用海拔高度预测降雨量信息，在建立了INLA空间模型后，需要对模型的参数进行提取，但是具体涉及到哪些参数，所以本篇内容就来介绍，INLA模型中包含的参数问题

1.INLA-简单回归模型

在面对具体问题时候，需要具体对待，譬如，用SDI变量来估计水的PH大小，我们先建一个简单的回归模型。

image-20200622221446422.png

该回归模型包含三个参数β1, β2, and σ，在INLA模型中，主要是涉及β与 σ，变异参数（ σ）也通常叫做 hyperparameters，在上述公式中σ是残差项的标准误。如果是有GLM或者时间回归，那么 也会有对应的 σ。

所以这个简单的回归只有一个 hyperparameter，那就是σ。

library(INLA)
I1 <- inla(pH ~ SDI.std, data = iph,family = "gaussian")
names(inla.models()$likelihood)

summary(I1)
Fixed effects:
mean sd 0.025quan 0.5quan 0.975quan mode kld
(Intercept) 7.432 0.026 7.380 7.432 7.483 7.432 0 
SDI.std -0.413 0.026 -0.465 -0.413 -0.362 -0.413 0
The model has no random effects 

Model hyperparameters:
                               mean sd 0.025quan 0.5quant 0.975quant mode 
Precision for Gaussian observ. 6.98 0.62 5.83 6.95 8.26 6.90
Expected number of effective parameters(std dev): 
2.024(0.0023)
Number of equivalent replicates : 103.74
Marginal log-Likelihood: -113.24

I1$summary.hyperpar

从上述的方程中，我们可以知道β1=7.43(7.38,7.48), β2=-0.41(-0.47,-0.36), and σ=6.98。 然后我们的 R-INLA 是通过计算 τ = 1 / σ2 来得到σ。 所以参数的分布图见下。关于GLM及固定效应模型等，以此类推，在建立好的INLA模型中，获取对应参数。

image-20200622223050290.png

2.INLA-空间回归模型

还是以估计PH为例，但是上述回归方程只是涉及一个变量，现在我们增加多个变量，建立一个简单的回归方程

image-20200622223757389.png

只涉及到一个σ。我们建立回归方程后，便可以看到α，β及σ的值。

image-20200622223937597.png

现在加入空间效应

image-20200622224015829.png

我们可以看到，唯一增加的就是 ui ，关于空间效应的变量。This is a random intercept that is assumed to be spatially correlated with mean 0 and covariance matrix Σ.This makes the uis a Gaussian Markov random field (GMRF). 也就是INLA模型中计算MESH网格的SPDE空间效应的值的分布函数。

image-20200622224449365.png image-20200622224544109.png

上述既是如何产生MESH及计算SPDE的空间效应。

我们的INLA参数存储在fit模型中summary.fixed。可以获取不同的β值。接下来就是hyperparameters，The posterior mean of κ (Kappa in the code above) is 0.0314 and the posterior mean of σu (sigmau in the code) is 0.282。We can use the Kappa value to calculate the Matérn correlation values

image-20200622225120926.png

重要的一点就是Matern函数可以测量在range为多少的时候，具有空间相关性。

We finally present the spatial component, the wks. Their posterior mean values can be obtained via

w.pm <- IM2bw$mean

一般空间模型的参数主要包括α，β，σe（measuremnt errors），σ（Spatial Variacne）及r（sptial rang）

参考

1.Geostatistical data
2.Spatial analysis of geotagged data
3.Spatial and spatio-temporal models with INLA
4.Spatio-temporal modeling of areal data. Lung cancer in Ohio
5. Spatio-temporal modeling with INLA