具體來說，我們使用下麵的模型框架，包包，包包是定位在年的概率存在，包包是定位在年的協變數的向量，並包包在定位在空間隨機效應非空間模型這樣包包空間隨機效應包包被排除在情商包包在該模型中，靜態係數，表明魚的存在或不存在涉及以同樣的方式跨越時間和空間的變數。然而，空間隨機效應允許特定位置的調整，獲取空間依賴的變數不解釋。LV皮夾被建模為包包實現從包包高斯過程的空間效果。那是，包包被假定服從多元正態分佈與協方差結構，鼓勵強相關性的彼此接近的位置。注意，在變換的平均空間的影響進行了介紹，從而鼓勵存在的概率是相似的在鄰近位置對於包包較長的時間序列的數據，額外的結構可以被納入到模型中捕捉到的時間趨勢。
在我們的例子中的時間變化在年將是最小的，被認為是由時間變數充分解釋，LV皮夾包包。完成模型規範，我們假定每個模型參數的先驗分佈，在之前的均值和方差的所有我和相同包包，包包四。之前對係數的在文獻中的建議，有效地放置包包事先對由此產生的概率包包，使得它們分佈相當均勻地在和之間。在空間建模社區眾所周知，和比例確定但參數分別是。這是特別真實的二進位數據，其中很少的資訊是可用的空間依賴性。產生良好的參數，典型的方法是把包包廣闊的前和更多的資訊之前。LV皮夾有效範圍定義為距離的空間相關性為，這是約這個模型。在事先選擇包包地區生產的有效範圍的合理的價值觀之前的多數群該模型進行擬合，使用馬可夫鏈蒙特卡羅突和貝葉斯框架包包代碼提供支持資訊。分析是基於後的樣品，在燒傷迭代。
包包薄的一次迭代中使用非空間模型，並細化每第十個迭代中使用的空間模型。深度和知名度的協變數對模型的擬合現有的規範，為協變數的影響和提高鏈混合的比較。lv皮夾皮夾交叉驗證為了使進一步的信心在我們的結果，我們檢查了他們的敏感性，採用倍交叉驗證。每個位置被隨機分配到五個數據子集或折疊的包包，放置在同一子集的位置的所有觀察。分析，LV皮夾然後重複五次，每次離開出包包的五個子集的樣本預測和擬合模型的四個剩餘的子集。通過分配折疊的基礎上的位置，我們能夠測試的空間模型的預測能力的情況下，必須為每個新的位置採樣的空間隨機效應。
留言列表
