在行政区划等地理区域尺度上分析疾病的地理分布在兽医流行病学中具有重要作用。野生动物种群调查的流行率估计通常基于猎人射杀的动物采样产生的区域计数数据。由于样本大小不同以及相邻地区之间的空间依赖性，每个空间单位的观察到的疾病率并不是对潜在疾病流行率的有用估计。因此，有必要考虑数据中的样本外变化和空间相关性，以生成更准确的疾病发病率地图。为此，采用马尔可夫链蒙特卡罗方法实现了一个分层贝叶斯模型，其中结构化和非结构化过度分散是根据空间和非空间分量显式建模的。利用德国勃兰登堡联邦州野猪伪狂犬病病毒感染监测数据，将该模型与非空间β-二项式模型的结果进行了实证比较。