具有直径的每日细颗粒物的精确估算$<trans\; data-src="\le ">\le </trans>\mathrm{<trans\; data-src="2.5">2.5</trans>}$在美国，微粒（PM2.5）和死亡率是公共卫生领域的一个重要研究挑战，因为高水平的PM2.5与一些严重的健康问题有关，包括肺病、心血管疾病和中风。这促使我们为双变量空间数据开发一个联合贝叶斯层次模型，以获得两种响应类型的精确空间预测，即连续偏态PM2.5水平和美国各州的离散死亡率计数。我们的新建模框架解决了死亡率计数和PM2.5水平空间预测领域的几个挑战。具体而言，我们的模型考虑到了两种响应的空间可变性和相关性，通过基函数展开适应了死亡率和PM2.5之间未知的非线性空间关系，提高了未公开/缺失观测值县的预测精度，并考虑死亡率和PM2.5的不同缺失数据模式。此外，我们还引入了一种新的局部关联度量方法，用于衡量死亡率和PM2.5水平之间的相互依赖性。为了解决大型数据库的贝叶斯计算负担，我们使用了降维工具以及Weibull分布、Poisson分布和多元log-gamma分布之间的共享共轭结构。我们提供了一个仿真研究来说明我们的方法的性能。我们的“多类型反应”联合空间模型（离散和连续反应）和相关的贝叶斯方法用于分析空气中每日平均PM2.5水平和死亡率计数（由于与肺、心血管、呼吸和中风相关的疾病）的双变量空间数据来自疾病控制和预防中心（CDC）数据库。