.png){kind=icon}
返回
Multinomial mixture for spatial data
.png){kind=icon}
PRE
AI
DOI：10.1080/02664763.2025.2594624.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文的目的是在多项混合模型的框架下扩展标准有限混合模型，以便根据人口统计特征对地理单元进行聚类。空间信息通过每个成分的混合概率被纳入模型。具体而言，假设先验概率服从Gibbs分布。通过这种方式，每个观测值的分配受到邻居聚类的影响，且空间依赖性被包含在模型中。估计基于一种改进的EM算法，该算法通过增加一个额外的初始步骤来近似场。模拟场算法用于此初始步骤。此外，还提供了模拟研究，以检验该方法学正确聚类数据并揭示真实参数的能力，同时重点关注近似BIC在恢复真实聚类数量方面的表现。所提出的模型将用于根据居民年龄分布对阿提卡（Attica）的市镇进行聚类。分析结果表明存在八个不同的聚类。每个聚类包含具有相似人口年龄结构的市镇，例如由于这些地区大学众多而导致青年人口过剩的市镇组。
Keyword:
Demography
mixture models
spatial correlation
mean field approximation
期刊
J
IF:
1.1
论文数:
131
被引数:
4.2K
机构
暂无机构信息
引用论文
.png){kind=icon}
查看更多内容