تحلیل فضایی رگرسیون جمعی ساختاری و مدل بندی داده های جرم شهر تهران با تقریب لاپلاس آشیانی جمع بسته

در تحلیل بیزی مدل‌های رگرسیون جمعی ساختاری که قالبی انعطاف پذیر از مدل‌های آماری در زمینه‌های کاربردی دارند توزیع‌های پسینی فرم بسته‌ای ندارند و استفاده از الگوریتم‌های مونت کارلوی زنجیر مارکوفی به دلیل پیچیده بودن و تعداد زیاد پارامترهای این مدل زمان‌بر هستند. روش تقریب لاپلاس آشیانی جمع بسته می‌تواند با استفاده از تقریب‌های گاوسی و لاپلاس نیاز به شبیه‌سازی‌های سنگین را مرتفع سازد. در این مقاله نحوه لحاظ کردن همبستگی فضایی داده‌ها در مدل‌های رگرسیونی جمعی ساختاری و برآورد پارامترهای آن با تقریب لاپلاس آشیانی جمع‌بسته مورد مطالعه قرار می‌گیرند. سپس داده‌های جرم شهر تهران با این روش مدل‌بندی شده و در مطالعه‌ای شبیه‌سازی، دقت و سرعت محاسبه مدل‌های حاصل از تقریب لاپلاس آشیانی جمع بسته و الگوریتم‌های مونت کارلوی زنجیر مارکوفی مورد ارزیابی و مقایسه قرار می‌گیرند