تحليل مدل‌هاي اتورگرسيو فضايي بعد بالا با منظم‌سازي بيزي

Analysis of the High-Dimensional Spatial Autoregressive Models

در اين مقاله مدل اتورگرسيو فضايي با ماتريس مشخصه‌سازي فضايي نمايي، مطرح مي‌شود. سپس از رهيافت منظم‌سازي بيزي براي مدل‌بندي و برآورد پارامترها استفاده مي‌شود، كه در آن از پيشين‌‌هاي انقباضي براي انتخاب متغير بيزي در داده‌هاي بعد بالا استفاده مي‌كند. در اينجا براي تحليل مدل اتورگرسيو فضايي دو پيشين انقباضي معرفي مي‌شوند، سپس عملكرد هر يك از آن‌ها در يك مطالعه‌ شبيه‌سازي مورد ارزيابي و مقايسه قرار مي‌گيرد.

In this paper, a spatial autoregressive model with an exponential spatial characterization matrix is proposed. The Bayesian regularization approach is then used to model and estimate the parameters, in which it uses shrinkage priors to select the Bayesian variable in the high dimension data. Here, to analyze the spatial autoregressive model, two shrinkage priors are introduced, then the performance of each of them is evaluated and compared in a simulation study.