我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
基于对住院患者时空模式的研究,我们提出了一种有效的贝叶斯方法来拟合零膨胀负二项模型。为了便于后验采样,我们引入了一组潜在变量,这些变量表示为法线的比例混合,其中精度项遵循独立的Pólya-Gamma分布。以潜在变量为条件,通过直接吉布斯抽样进行推断。对于固定效应模型,我们的方法与现有方法相当。然而,我们的模型可以容纳更复杂的数据结构,包括多元和时空数据,在这种情况下,当前的方法往往会因计算挑战而失败。通过仿真研究,我们强调了该方法的关键特征,并将其性能与其他估计程序进行了比较。我们将该方法应用于时空分析,检查美国退伍军人2型糖尿病患者的年度住院人数。
布莱恩·尼隆(Brian Neelon)。 “基于Pólya-Gamma混合的贝叶斯零膨胀负二项回归。” 贝叶斯分析。 14 (3) 829 - 855, 2019年9月。 https://doi.org/10.1214/18-BA1132