G5 Artikkeliväitöskirja
Bayesian spatio-temporal modeling of areal data (2025)
Alueellisen aineiston spatio-temporaalinen Bayes-mallintaminen
Pasanen, T.-M. (2025). Bayesian spatio-temporal modeling of areal data [Doctoral dissertation]. University of Jyväskylä. JYU Dissertations, 864. https://urn.fi/URN:ISBN:978-952-86-0446-4
JYU-tekijät tai -toimittajat
Julkaisun tiedot
Julkaisun kaikki tekijät tai toimittajat: Pasanen, Tiia-Maria
eISBN: 978-952-86-0446-4
Lehti tai sarja: JYU Dissertations
eISSN: 2489-9003
Julkaisuvuosi: 2025
Sarjan numero: 864
Kirjan kokonaissivumäärä: 1 verkkoaineisto (ix, 42 sivua, 89 sivua useina numerointijaksoina, 4 numeroimatonta sivua)
Kustantaja: University of Jyväskylä
Julkaisumaa: Suomi
Julkaisun kieli: englanti
Pysyvä verkko-osoite: https://urn.fi/URN:ISBN:978-952-86-0446-4
Julkaisun avoin saatavuus: Avoimesti saatavilla
Julkaisukanavan avoin saatavuus: Kokonaan avoin julkaisukanava
Tiivistelmä
Aineistoa voidaan pitää spatio-temporaalisena, kun se kuvaa sekä ilmiöön liittyvää sijaintia että aikaa. Spatio-temporaalisten tilastollisten menetelmien tarkoituksena on etsiä ja kvantifioida näiden ulottuvuuksien sisäisiä ja välisiä riippuvuuksia. Tämä väitöskirja keskittyy alueellisen aineiston ja diskreetin aikarakenteen menetelmiin esitellen malleja, jotka on yksilöity sovellusten tarpeisiin ja estimoitu bayesiläisittäin. Malleilla tutkitaan Suomen 1860-luvun nälänhädän aikaisten viljamarkkinoiden toimintaa, tartuntatautien leviämistä Suomessa 1700- ja 1800-luvuilla sekä suomalaisten isien sopeutumista vanhempainvapaapolitiikkaan vuosina 2009– 2017. Spatiaalisuus otetaan huomioon esimerkiksi ehdollisen ja simultaanisen autoregression avulla, kun taas aika huomioidaan esimerkiksi satunnaiskulun ja autoregressiivisen mallin, virheenkorjausmallin sekä piilo-Markov-mallin avulla. Näiden rakenteiden yhdistelmät mahdollistavat myös paikan ja ajan interaktion. Menetelmät on pyritty rakentamaan siten, että analyysi on sovelluslähtöistä, eivätkä mentelmät rajoita sitä. Tämän seurauksena mallinnettavat rakenteet ja mallit ovat monimutkaisia. Tulokset ovat silti helposti tulkittavissa.
YSO-asiasanat: aikasarjat; aikasarja-analyysi; regressioanalyysi; bayesilainen menetelmä; paikkatiedot; väitöskirjat
Vapaat asiasanat: autoregressio; ehdollinen autoregressio; Markovin piilomalli; spatiaalinen data; spatiotemporaalinen malli; virheenkorjausmalli
Liittyvät organisaatiot
Hankkeet, joissa julkaisu on tehty
- Kohti parempaa päätöksentekoa: Lakimuutosten pitkäaikaisvaikutusten ennakointi työ- ja perhe-elämän tapahtumiin
- Helske, Jouni
- Suomen Akatemia
- Olosuhde, tauti ja ihminen – kuolemisen kolmiodraama.
- Ketola, Tarmo
- Suomen Kulttuurirahasto
OKM-raportointi: Kyllä
VIRTA-lähetysvuosi: 2025