@article { author = {کریمی, امید and محمدزاده, محسن}, title = {Bayesian Estimation of Parameters in Regression Models with Spatially Autocorrelated Errors}, journal = {Journal of Science,University of Tehran(not publish)}, volume = {33}, number = {2}, pages = {-}, year = {2008}, publisher = {}, issn = {}, eissn = {}, doi = {}, abstract = {In regression analysis, it is usually assumed that the error terms are independent, but in practice we occasionally deal with many cases such as spatial data that the error terms in regression models are correlated and their correlation structure is a function of the observation locations. This type of models, namely spatial regression, are used for surface determination in geology, archaeology, epidemiology and image processing. In this paper, the Bayesian approach is used for spatial regression analysis with first order spatially autocorrelated errors. Because of computation difficulties of posterior distribution, MCMC methods are used for estimation of the posterior parameters. Then the efficiency of introduced method is considered in a simulation study for different sample and lattice sizes}, keywords = {Hastings Algorithm,Spatially Autocorrelated Error,MCMC Methods,Gibbs sampling,Metropolis}, title_fa = {برآورد بیزی پارامترهای مدل رگرسیون با خطاهای خودهمبسته فضایی}, abstract_fa = {معمولاً در آنالیز رگرسیون فرض بر این است که خطاهای الگو مستقل هستند، اما در عمل گاهی با مواردی مانند داده‌های فضایی مواجه می‌شویم که خطاهای مدل همبسته هستند و ساختار همبستگی آنها تابعی از موقعیت قرار گرفتن مشاهدات در فضای مورد مطالعه است. از اینگونه مدلها که رگرسیون فضایی نام دارند، برای تعیین رویه‌ها در زمین‌‌شناسی، باستان شناسی، همه‌گیر شناسی و پردازش تصاویر استفاده می‌شود. در این مقاله مدل رگرسیون فضایی با خطاهای خودهمبسته فضایی مرتبه اول با استفاده از رهیافت بیزی مورد بررسی قرار می‌گیرد. از آنجا که تعیین توزیع پسین پارامترها دشوار می‌باشد، برای برآورد بیزی پارامترها و پیش‌بینی بیزی مشاهدات از روش MCMC استفاده شده است. سپس نحوه اجرا و کارائی روشهای ارائه شده در یک مطالعه شبیه‌سازی برای حجم نمونه و اندازه شبکه‌های مختلف مورد بررسی قرار گرفته است.}, keywords_fa = {خطاهای خود همبسته فضایی,هاستینگس,روشهای MCMC,نمونه‌گیری گیبس,الگوریتم متروپلیس}, url = {https://jos.ut.ac.ir/article_19477.html}, eprint = {https://jos.ut.ac.ir/article_19477_bd286768b4991f5624c7e04fe4911c54.pdf} }