贝叶斯时空模型-INLA-4

贝叶斯地理统计模型R-INLA-4 贝叶斯时空模型

在前述的内容中，我们介绍了，如何处理空间的数据，利用海拔高度预测降雨量的例子。但是该例子仅仅涉及到的是涉及到回归方程中，考虑影响因素及空间效应。
那么如果我们的数据有时间信息，如何加入到贝叶斯时空分析呢。譬如每年对某一个地区进行疾病的发病率调查，10年数据整合在一起，就可以从时间上或空间上看疾病的变化规律，也就会用到贝叶斯时空模型。

下面我们将介绍贝叶斯时空模型。该文章中，会简化数学计算的过程，主要是针对，在有数据的基础上，如何应用贝叶斯时空模型，找出影响因素，绘制时间变化的空间分布预测图。

1.数据集

我们模拟一个房屋与面积的地理位置数据，从2010年到2015年的房地产数据。因为是模拟数据，不具有任何实际意义，仅仅作为展示。

通过简单的回归方程，发现，房屋价格与面积及年份成正相关，具有统计学意义。说明随时间推迟，房子越值钱，且面积越大价格也越高。符合实际

library(inlabru)
library(INLA)
library(AmesHousing)
rm(list = ls())
library(INLA)
data("PRborder")
data(PRprec)
coor