en مدل‌های گاوسی پنهان فضایی: کاربرد در داده‌های قیمت مسکن در شهر تهران عمومى General پژوهشي Research <p dir="RTL" style="text-align: justify">مدل‌های گاوسی پنهان مدل‌های انعطاف‌پذیری هستند که در زمینه‌های کاربردی متعددی مورد استفاده قرار می‌گیرند. گاهی در تحلیل بیز سلسله‌مراتبی این‌گونه مدل‌ها توزیع‌های پسینی یا شرطی کامل صورت بسته‌ای ندارند، لذا برای محاسبه‌ی آن‌ها از آلگوریتم‌های مونته کارلوی زنجیر مارکوفی استفاده می‌شود. وجود همبستگی بین عناصر میدان پنهان معمولاً موجب افزایش زمان محاسبات و ناهمگرایی این آلگوریتم‌ها می‌شود.</p> <p style="text-align: justify"><span dir="RTL">در این مقاله، برای حل مشکلات مزبور تقریب لاپلاس آشیانی جمع‌بسته استفاده می‌شود، که در آن روش‌های انتگرال‌گیری عددی و تقریب لاپلاس به طریقی کارا ترکیب شده به‌طوری که محاسباتی سریع و تقریبی دقیق جایگزین شبیه‌سازی‌های سنگین می‌شود. نهایتاً رابطه‌ی بین داده‌های قیمت فروش مسکن در شهر تهران و متغیرهای مساحت، سن، تعداد اتاق و اسکلت ساختمان و نیز امکاناتی نظیر برق، آب، گاز، سیستم حرارت و برودت مرکزی، آشپزخانه، حمام و توالت با بکارگیری مدل‌های گاوسی پنهان فضایی مدل‌بندی می‌شود. مدل برتر می‌تواند برای پیشگویی قیمت مسکن در شهر تهران مورد استفاده قرار گیرد.</span></p> <p>Latent Gaussian models are flexible models that are applied in several statistical applications. When posterior marginals or full conditional distributions in hierarchical Bayesian inference from these models are not available in closed form, Markov chain Monte Carlo methods are implemented. The component dependence of the latent field usually causes increase in computational time and divergence of algorithms. In this paper, an integrated nested Laplace approximation is used to solve these problems, in which the Laplace approximation and the numerical integration methods are combined in an efficient way so that hard simulations are replaced by fast computation and accurate approximation. Finally the relationship between house price data, floor size, age, number of rooms, building frame, type of proprietorship and facilities such as&nbsp; electricity, landline, water, gas, central heating and cooling system, kitchen goods, bath and toilet are modeled by using spatial latent Gaussian models. The fitted model can be used for predicting the house price in Tehran city.</p> مدل گاوسی پنهان, میدان تصادفی مارکوفی گاوسی, تقریب لاپلاس آشیانی جمع‌بسته, رهیافت بیزی, آلگوریتم مونته کارلوی زنجیر مارکوفی. : Latent Gaussian model, Gaussian Markov random field, integrated nested Laplace approximation, Bayesian approach. 163 179 http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-24&slc_lang=en&sid=1 Z. Ghayoumi زهرا قیومی z.ghayyomi@modares.ac.ir 1003194753284600716 1003194753284600716 No M. Mohammadzadeh محسن محمدزاده mohsen_m@modares.ac.ir 1003194753284600717 1003194753284600717 Yes K. Gholizadeh کبری قلی‌زاده k.gholizadeh@modares.ac.ir 1003194753284600718 1003194753284600718 No