×
苏珊娜·格什洛尔;克洛迪亚·查多

模拟具有过度分散和空间效应的计数数据。 （英语） Zbl 1310.62083号

统计Pap。 49，第3期，531-552（2008）.
小结：我们在贝叶斯框架中考虑计数数据的回归模型，允许过度分散。我们从两个方面解释了数据中未观察到的异质性。一方面，我们考虑了比普通泊松模型更灵活的模型，允许以不同的方式过度分散。特别地，负二项式和广义泊松（GP）分布被处理，其中过度分散是通过附加的模型参数来建模的。此外，还讨论了零膨胀模型，其中假设过分散是由过多的零数引起的。另一方面，通过向模型中添加相关的空间随机效应，考虑了数据中的额外空间变异性。这种方法允许使用基于[A.N.佩蒂特,I.S.堰,A.G.哈特，“不规则间距多元数据的条件自回归高斯过程，用于建模大型二进制数据集”，统计计算。12，第4期，353–367（2002）]。在一个应用中，所提出的模型用于分析2004年德国侵袭性脑膜炎球菌病病例的数量。根据以下建议的偏差信息准则（DIC）比较模型D.J.施皮格尔哈特等[J.R.Stat.Soc.，Ser.B，Stat.Methodol.64，No.4，583–639（2002；Zbl 1067.62010年)]并使用适当的评分规则，参见示例[T.啃食,A.E.拉弗瑞严格正确的评分规则、预测和估计。华盛顿大学统计系第463号技术报告（2004年）]。我们观察到数据中存在相当高的过度分散度，当忽略空间效应时，GP模型能够最好地捕捉到数据。虽然将空间效应添加到允许过度分散的模型中并没有或只有很少的改进，但根据考虑的标准，具有空间相关或不相关随机效应的空间泊松模型将优先于所有其他模型。

引用于18文件

MSC公司：

62J05型 线性回归；混合模型
2015年1月62日 贝叶斯推断
62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

贝叶斯推断;count数据;过度分散;空间回归模型;零膨胀模型

引文：

Zbl 1067.62010年

软件：

spBayes公司;贝叶斯DA
PDF格式BibTeX公司 XML格式引用
\textit{S.Gschlöl}和\textit{C.Czado}，Stat.Pap。49，第3号，531--552（2008；Zbl 1310.62083）
全文： 内政部 链接

参考文献：

[1] Agarwal DK、Gelfand AE、Citron-Pousty S（2002）零膨胀模型及其在空间计数数据中的应用。环境经济统计9:341–355·doi:10.1023/A:1020910605990
[2] Angers JF，Biswas A（2003）零膨胀广义泊松模型的贝叶斯分析。计算统计数据分析42:37–46·Zbl 1429.62091号 ·doi:10.1016/S0167-9473（02）00154-8
[3] Banerjee S、Carlin B、Gelfand A（2004）空间数据的层次建模和分析。查普曼和霍尔/CRC，纽约·Zbl 1053.62105号
[4] Besag J，Kooperberg C（1995）《条件和内在自回归》。生物特征82:733–746·Zbl 0899.62123号
[5] Brier G（1950）以概率表示的预测验证。周一天气评论78（1）：1–3·doi:10.1175/1520-0493（1950）078<0001:VOFEIT>2.0CO；2
[6] Consul P（1989）广义泊松分布。属性和应用。Marcel Dekker，纽约·Zbl 0691.62015号
[7] Consul P，Jain G（1973）泊松分布的推广。技术计量学15:791–799·Zbl 0271.60020号 ·doi:10.2307/1267389
[8] Czado C，Prokopenko S（2004）使用具有集群效应的分层二元空间回归模型对运输方式决策进行建模。讨论文件406，SFB 386统计分析磁盘生成器Strukturen H网址：http://www.stat.uni-muenchen.de/sfb386/
[9] Famoye F，Singh K（2003a）关于膨胀广义泊松回归模型。高级应用统计3（2）：145–158·Zbl 1042.62063号
[10] Famoye F，Singh K（2003b）零膨胀广义泊松回归模型（已提交）·Zbl 1042.62063号
[11] Gelman A、Carlin J、Stern H、Rubin D（2004）《贝叶斯数据分析》，第二版。Chapman&Hall/CRC，博卡拉顿·Zbl 1039.62018号
[12] Gilks W，Wild P（1992）吉布斯采样的自适应拒绝采样。应用统计41（2）：337–348·Zbl 0825.62407号 ·doi:10.2307/2347565
[13] Gilks W、Richardson S、Spiegelhalter D（1996）《马尔可夫链蒙特卡罗实践》。查普曼和霍尔/CRC，博卡拉顿·Zbl 0832.00018号
[14] Gneiting T，Raftery AE（2004）严格正确的评分规则、预测和估计。华盛顿大学统计系第463号技术报告·兹比尔1284.62093
[15] Gschlöl S（2006）层次贝叶斯空间回归模型及其在非人寿保险中的应用。慕尼黑理工大学博士论文
[16] Han C，Carlin B（2001）计算贝叶斯因子的马尔可夫链蒙特卡罗方法：比较综述。美国统计协会杂志96:1122–1132·doi:10.1198/016214501753208780
[17] Hoeting J、Madigan D、Raftery A、Volinsky C（1999）《贝叶斯模型平均：教程》。统计科学14（4）：382–417·Zbl 1059.62525号 ·doi:10.1214秒/100 9212519
[18] Jin X，Carlin B，Banerjee S（2005）区域数据的广义层次多元CAR模型。生物统计学61:950–961·Zbl 1087.62127号 ·文件编号：10.1111/j.1541-0420.2005.00359.x
[19] Joe H，Zhu R（2005）广义泊松分布：泊松混合的性质以及与负二项分布的比较。生物识别杂志47:219–229·doi:10.1002/bimj.200410102
[20] Kass R，Raftery A（1995）贝叶斯因子和模型不确定性。美国统计协会杂志90:773–795·Zbl 0846.62028号 ·doi:10.2307/2291091
[21] Lambert D（1992）零膨胀泊松回归及其在制造缺陷中的应用。技术计量学34（1）：1–14·Zbl 0850.62756号 ·doi:10.2307/1269547
[22] van der Linde A（2005）DIC在变量选择中的应用。Neerlandica统计59（1）：45–56·Zbl 1069.62005号 ·doi:10.1111/j.1467-9574.2005.00278.x
[23] Pettitt A，Weir I，Hart A（2002）不规则间距多元数据的条件自回归高斯过程，用于建模大型二进制数据集。统计计算12（4）：353–367·doi:10.1023/A:1020792130229
[24] Rodrigues J（2003）零膨胀分布的贝叶斯分析。公共统计32（2）：281–289·Zbl 1024.62009年 ·doi:10.1081/STA-120018186
[25] Spiegelhalter D，Best N，Carlin B，van der Linde A（2002）模型复杂性和拟合的贝叶斯度量。J R Stat Soc B 64（4）：583–640·Zbl 1067.62010年 ·doi:10.111/1467-9868.00353
[26] Sun D，Tsutakawa RK，Kim H，He Z（2000）《疾病图死亡率的贝叶斯分析》。统计医学19:2015–2035·doi:10.1002/1097-0258（20000815）19:15<2015:：AID-SIM422>3.0.CO；2-E型
[27] Winkelmann R（2003）《计数数据的计量经济分析》，第4版。德国柏林-海德堡施普林格·Zbl 1032.62108号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。