최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.27 no.5, 2016년, pp.1133 - 1146
Counts or averages over arbitrary regions are often analyzed using conditionally autoregressive (CAR) models. The spatial neighborhoods within CAR model are generally formed using only the inter-distance or boundaries between the sub-regions. Kyung and Ghosh (2009) proposed a new class of models to ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
토블러의 첫 번째 법칙이 발생하는 원인은 무엇인가? | 지리학에서 이러한 특성은 ‘토블러의 첫 번째 법칙’으로 알려져 있다 (Miller, 2004). 통계학적인 관점에서 볼 때 이러한 특성은 거리상 가까운 지역들로부터 수집된 관측치들 사이의 자기상관관계가 먼 거리의 관측치들과의 자기상관관계보다 높기 때문에 나타나는 결과로 보여 진다. 그러므로 격자 또는 지역자료 (Cressie, 1993)로 알려진 지역에 대한 어떤 집합체 자료나 평균자료들이 다양한 분야의 연구에서 관측되고 있으며 공간통계 방법을 사용한 분석이 사용되고 있다. | |
토블러의 첫 번째 법칙이란 무엇인가? | 지리학적 지역 집합이 주어졌을 때, 가까운 지역에서 수집된 관측치들은 거리상 먼 지역 자료의 관측치에 비해 서로 비슷한 특성을 띄는 경향을 보이게 된다. 지리학에서 이러한 특성은 ‘토블러의 첫 번째 법칙’으로 알려져 있다 (Miller, 2004). | |
DCAR 모형이란 무엇인가? | 그러므로 방향적 조건부 자기회귀 (directional conditionally autoregressive) 모형은 고유 이방성을 모형화하여 기존의 CAR 과정을 일반화 시킨 모형이다. 즉, 모든 방향으로 일정한 공간적 자기상관 무게를 부여하는 CAR모형의 한계에 대하여 강한 방향적 직교 공간적 자기상관성을 공간 임의 효과에 포함하여 일반화 시킨 것이 DCAR 모형이다. |
Besag, J. (1974). Spatial interaction and the statistical analysis of lattice systems (with discussion). Journal of the Royal Statistical Society B, 36, 192-236.
Besag, J. (1975). Spatial analysis of non-lattice data. The Statistician, 24, 179-195.
Besag, J and Kooperberg, C. (1995). On conditional and intrinsic autoregression. Biometrika, 82, 733-746.
Breslow, N. E. and Clayton, D. G. (1993). Approximate inference in generalized linear mixed models. Journal of the American Statistical Association, 88, 9-25.
Cliff, A. D. and Ord, J. K. (1981). Spatial processes: Models & applications, Pion Limited, London.
Cressie, N. (1993). Statistics for spatial data, Wiley, New York.
Cressie, N. and Chan, N. H. (1989). Spatial modeling of regional variables. Journal of the American Statistical Association, 84, 393-401.
Griffith, D. A. and Csillag, F. (1993). Exploring relationships between semi-variogram and spatial autoregressive models. Papers in Regional Science, 72, 283-295.
Kyung, M. and Ghosh, S. K. (2009). Bayesian inference for directional conditionally autoregressive models. Bayesian Analysis, 4, 675-706.
Kyung, M. and Ghosh, S. K. (2010). Maximum likelihood estimation for directional conditionally autoregressive models. Journal of Statistical Planning and Inference, 140, 3160-3179.
Lee, D. (2013). CARBayes: An R package for Bayesian spatial modeling with conditional autoregressive priors. Journal of Statistical Software, 55, 1-24.
Lindgren, F., Rue, H. and Lindstrom, J. (2011). An explicit link between Gaussian fields and Gaussian Markov random fields: The stochastic partial differential equation approach. Journal of the Royal Statistical Society B, 73, 423-498.
Miller, H. J. (2004). Tobler's first law and spatial analysis. Annals of the Association of American Geographers, 94, 284-295.
Reich, B. J., Hodges, J. S. and Carlin, B. P. (2007). Spatial analyses of periodontal data using conditionally autoregressive priors having two classes of neighbor relations. Journal of the American Statistical Association, 102, 44-55.
Rue, H. and Tjelmeland, H. (2002). Fitting Gaussian Markov random fields to Gaussian fields. Scandinavian Journal of Statistics, 29, 31-49.
Schabenberger, O. and Gotaway, C. A. (2005). Statistical methods for spatial data analysis, Chapman & Hall/CRC, Boca Raton.
Spiegelhalter, D. J., Best, N. J., Carlin, B. P. and van der Linde, A. (2002). Bayesian measures of model complexity and fit (with discussion). Journal of the Royal Statistical Society B, 64, 583-639.
Song, H. R., Fuentes, M. and Ghosh, S. (2008). A comparative study of Gaussian geostatistical models and Gaussian Markov random field models. Journal of Multivariate Analysis, 99, 1681-1697.
Sturtz S., Ligges U. and Gelman, A. (2005). R2WinBUGS: A package for running WinBUGS from R. Journal of Statistical Software, 12, 1-16.
van der Linde, A., Witzko, K.-H. and Jockel, K.-H. (1995). Spatio-temporal anlaysis of mortality using spline. Biometrics, 4, 1352-1360.
Wahba, G. (1977). Practical approximate solutions to linear operator equations when the data are noisy. SIAM Journal on Numerical Analysis, 14, 651-667.
White, G. and Ghosh, S. K. (2008). A stochastic neighborhood conditional auto-regressive model for spatial data. Computational Statistics and Data Analysis, 53, 3033-3046.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.