Bayesian Inference with INLA:14 章在线教材、R 代码与数据怎么用
这本《Bayesian Inference with INLA》由 Virgilio Gómez-Rubio 撰写,Chapman & Hall/CRC 出版,在线版可以免费读,页面标注许可为 CC BY-NC-ND 4.0。配套的 R 代码与数据集放在作者个人站点,纸书另售。
它讲的是 INLA(集成嵌套拉普拉斯近似)这条路:不抽样,直接用一系列解析近似把后验边缘分布算出来。对做空间、时空、层级模型的人来说,这是 MCMC 之外最实用的一条替代路线,尤其是模型里有几百上千个随机效应时。
全书 14 章的骨架
1 贝叶斯推断导论;2 集成嵌套拉普拉斯近似;3 混合效应模型;4 多层模型;5 R-INLA 中的先验;6 高级特性;7 空间模型;8 时间模型;9 平滑;10 生存模型;11 实现新的潜模型;12 缺失值与插补;13 混合模型;14 本书用到的 R 包。
这个顺序不是按软件操作排的,而是按"先懂近似、再懂模型、最后自己写模型"三层递进。第 2 章是全书枢纽:读懂了 2.2 节的两层近似(对超参数的后验做近似、对潜变量的条件分布做近似),后面各章都是在具体模型上重复同一套流程。
第 1 章先把三条路摆开
第 1 章从贝叶斯推断的基本写法讲起,讲共轭先验,再讲计算方法:1.5 节是马尔可夫链蒙特卡洛,1.6 节是 INLA。把两者放在同一章对照,是这本书的结构性优点:读者先看清 MCMC 的抽样逻辑与代价,再看 INLA 为什么能在特定模型族里跳过抽样。
1.7 节给了一个入门例子,用《冰与火之歌》几本书里字母 U 的出现次数做演示。这个例子足够小,可以手算核对,用来理解"后验边缘"到底长什么样。1.8 节做小结。
第 2 章:近似、软件、模型评估
2.2 节讲两层近似与估计流程,2.3 节转到 R-INLA 包,先给多元线性回归,再给广义线性模型,这是最小可运行的两块。2.4 节是模型评估与选择,四个指标各有分工:边际似然、条件预测纵坐标(CPO)、预测积分变换(PIT)、信息准则(DIC 与 WAIC)。2.4.5 节用北卡罗来纳 SIDS 数据把四个指标串起来看,这节值得单独读,因为它是全书少数把"模型比较"讲成一个完整判断过程的地方。
2.5 节讲控制选项与拟合策略,2.6 节讲怎么处理后验边缘(提取、变换、构造可信区间)。这两节是实操时翻得最多的。
模型章节怎么排
第 3、4 章从混合效应到多层模型,是随机效应的基本盘;第 5 章专讲 R-INLA 里的先验设定,先验写错是新手跑不出结果的主要原因之一;第 6 章高级特性讲预测矩阵、线性组合、多似然、共享项的复制与重复功能、线性约束,适合已经能跑通基础模型的人。
第 7、8、9 章是这本书最值钱的部分:空间模型(格点数据、地统计与克里金、SPDE 方法、点过程)、时间模型(自回归、非高斯数据、预测)、平滑。做空间计量或时空监测的,基本可以直接照这三章的代码改自己的数据。
第 10 到 13 章是专题:生存模型、自己实现新的潜模型、缺失值与插补、混合模型(含喷发时间与 cure rate 模型)。第 11 章面向想扩展 R-INLA 的人,需要读 C 与 INLA 的内部结构,不是入门内容。第 14 章列全书用到的包。
代码与数据怎么拿
作者的在线版页面给出两个额外资源:R 代码与数据集(打包下载)、以及勘误表。代码按章组织,数据集与正文的例子对应,所以照着章号找文件即可。
实务上的顺序建议:先跑第 2 章的线性回归与 GLM 例子,确认 R-INLA 装好且能出结果;再跳到第 7 或第 8 章,用自己关心的空间或时间模型跑一遍;最后回到第 2.4 节补模型比较。第 5 章的先验设定可以在第二步之后穿插着读,否则容易在"为什么跑不出结果"上耗时间。
版本与环境
R-INLA 不在 CRAN 主库,需要通过项目自己的仓库安装,这一点书里第 2 章会提到;安装方式随年份变化,照书的正文照抄命令可能跑不通,建议以 R-INLA 官网当前的安装说明为准。在线版页面标注的日期是 2021 年 8 月 29 日,正文例子基于当时的版本,包接口之后有过调整。
书里用的是 R,代码依赖 INLA 及其扩展包;第 14 章列了完整清单。若你的模型里随机效应维度很高,INLA 相比 MCMC 的优势会很明显;但如果模型不属于潜高斯模型族,这条路走不通,还是得回到 MCMC。
许可与引用
在线版明确标注 CC BY-NC-ND 4.0:可以复制、再分发,须署名、非商业使用,且不得分发改编后的材料。也就是说,引用观点、转述章节结构没问题,但不能把全书翻译成中文发布,也不能改写成另一本书再分发。
引用格式作者已给出:Gómez-Rubio, Virgilio (2020). Bayesian Inference with INLA. Chapman & Hall/CRC Press. Boca Raton, FL.
几点阅读提醒
这本书假定读者有贝叶斯基础与 R 使用经验,第 1 章只是快速回顾,不是从零讲起。INLA 的近似在部分模型上会有偏差,书里对适用条件有讨论,但不会替你判断你的模型是否落在安全区,这一步得自己用 PIT 与 CPO 检查。
第 11 章要求读得懂 C 代码与 INLA 的内部设计,跳过它不影响使用;第 12、13 章的专题性很强,按需读即可,不必按顺序硬推。
────────────────
在线版入口、代码与数据下载页、勘误表、14 章的分节标题与许可条款原文,回复本帖即可见。
把经管之家装进你常用的 AI 智能体中 一键快捷安装经管之家 MCP/技能,让 AI 帮你查教程、找数据、读论坛帖子。 检索、阅读公开帖子不收费,安装可申请领取:3 通用积分+100 论坛币+3 元论坛资金 请点击查看安装教程与福利 → 说明: AI 算力按所用平台规则计算;附件按原帖条件获取;福利领取条件以活动页面为准。 |