fa تحلیل فضایی رگرسیون جمعی ساختاری و مدل بندی داده های جرم شهر تهران با تقریب لاپلاس آشیانی جمع بسته آمار فضایی Spatial Statistics كاربردي و توسعه ای Applied <div style="text-align: justify;">در تحلیل بیزی مدل‌های رگرسیون جمعی ساختاری که قالبی انعطاف پذیر از مدل‌های آماری در زمینه‌های کاربردی دارند توزیع‌های پسینی فرم بسته‌ای ندارند و استفاده از الگوریتم‌های مونت کارلوی زنجیر مارکوفی به دلیل پیچیده بودن و تعداد زیاد پارامترهای این مدل زمان‌بر هستند. روش تقریب لاپلاس آشیانی جمع بسته می‌تواند با استفاده از تقریب‌های گاوسی و لاپلاس نیاز به شبیه‌سازی‌های سنگین را مرتفع سازد. در این مقاله نحوه لحاظ کردن همبستگی فضایی داده‌ها در مدل‌های رگرسیونی جمعی ساختاری و برآورد پارامترهای آن با تقریب لاپلاس آشیانی جمع‌بسته مورد مطالعه قرار می‌گیرند. سپس داده‌های جرم شهر تهران با این روش مدل‌بندی شده و در مطالعه‌ای شبیه‌سازی، دقت و سرعت محاسبه مدل‌های حاصل از تقریب لاپلاس آشیانی جمع بسته و الگوریتم‌های مونت کارلوی زنجیر مارکوفی مورد ارزیابی و مقایسه قرار می‌گیرند</div> <div style="text-align: justify;">In Bayesian analysis of structured additive regression models which are a flexible class of statistical models, the posterior distributions are not available in a closed form, so Markov chain Monte Carlo algorithm due to complexity and large number of hyperparameters takes long time. Integrated nested Laplace approximation method can avoid the hard simulations using the Gaussian and Laplace approximations. In this paper, consideration of spatial correlation of the data in structured additive regression model and its estimation by the integrated nested Laplace approximation are studied. Then a crime data set in Tehran city are modeled and evaluated. Next, a simulation study is performed to compare the computational time and precision of the models provided by the integrated nested Laplace approximation and Markov chain Monte Carlo algorithm</div> مدل رگرسیون جمعی ساختاری, تقریب لاپلاس آشیانی جمع بسته, الگوریتم های مونت کارلوی زنجیر مارکوفی Structured Additive Regression Model, Integrated Nested Laplace Approximation, Markov Chain Monte Carlo 103 124 http://jss.irstat.ir/browse.php?a_code=A-10-485-1&slc_lang=fa&sid=1 Kobra Gholizadeh کبری قلی زاده k.gholizadeh@modares.ac.ir 10031947532846006305 10031947532846006305 Yes Department of Satistics, Tarbiat Modares University, Tehran, Iran. گروه آمار، دانشگاه تربیت مدرس Mohsen Mohammadzadeh محسن محمدزاده mohsen_m@modares.ac.ir 10031947532846006306 10031947532846006306 No Department of Satistics, Tarbiat Modares University, Tehran, Iran. گروه آمار، دانشگاه تربیت مدرس Zahra Ghayyomi زهرا قیومی z.ghayyomi@modares.ac.ir 10031947532846006307 10031947532846006307 No Department of Satistics, Tarbiat Modares University, Tehran, Iran. گروه آمار، دانشگاه تربیت مدرس