"積分嵌套拉普拉斯近似 (Integrated Nested Laplace Approximations，INLA) 是擬合一大類貝葉斯回歸模型的新方法。使用INLA無須抽取邊際后驗分布的樣本，因此在計算上它是貝葉斯推斷標準工具馬爾可夫鏈蒙特卡羅 (MCMC) 方法的簡單易用的替代方案。本書涵蓋了各種現(xiàn)代回歸模型，著重介紹了如何使用實際數(shù)據(jù)構建貝葉斯模型并評估其有效性。全書的一個關鍵主題是通過可復制的研究來展示理論與實踐之間的相互作用。每個示例都提供了完整的R命令，并且本書的網(wǎng)站包含了書中描述的所有數(shù)據(jù)，還提供了一個可下載的R軟件包。本書適合于具有基本統(tǒng)計理論和貝葉斯方法知識的讀者閱讀，可以幫助他們了解基于INLA進行貝葉斯推斷的最新進展，并為復雜的實際工作做好準備。"