×
丹尼尔·贝尔。;安德鲁·劳森。

空间CAR模型变量下贝叶斯多阶段估计的评估。 （英语） Zbl 07193715号

J.统计计算。模拟 89，编号1，98-144（2019）.
总结：在本研究中，基于仿真场景对贝叶斯层次模型进行评估，以比较单阶段和多阶段贝叶斯估计。使用一系列空间结构随机效应成分分析了伦敦卫生局44个病房65岁及以上男性肺癌疾病计数的模拟数据集。本研究的目的是确定在给定某一模拟模型的情况下，这些单阶段模型中哪一个表现最佳，在存在空间结构随机效应的情况下如何比较估算方法（单阶段与多阶段），以获得固定效应的后验估计，最后，在关于空间相关性的不同假设下，两个空间先验模型（Leroux或ICAR模型）中哪一个在多阶段环境中表现最佳。在没有协变量的拟合单阶段模型中，我们发现当疾病计数分布的变异性较低时，BYM模型对DIC方面的错误指定相对稳健，而Leroux模型对错误指定的鲁棒性最低。当这些模型适用于具有协变量的模型生成的数据时，我们发现，当存在一组协变量时，无论是空间相关还是非空间相关，改变固定系数的值都会影响Leroux或ICAR模型在DIC方面很好地适配数据的能力。然而，当模拟模型中存在多组空间相关协变量时，我们无法区分这些单阶段模型之间的数据拟合优度。我们发现，与类似的单阶段模型相比，通过Leroux和ICAR模型进行的多阶段建模过程通常会减少由具有协变量和UH项的模型生成的数据的后验估计固定效应的方差。最后，我们发现多阶段Leroux模型在DIC方面优于多阶段ICAR模型。我们的结论是，当研究人员希望将一个具有固定效应和空间结构随机效应的模型拟合到泊松计数数据时，在应用贝叶斯疾病映射时，应认真考虑多阶段Leroux模型。

引用于1文件

MSC公司：

62至XX 统计

关键词：

疾病测绘;贝叶斯层次模型;多阶段建模;条件自回归模型;高斯成分混合模型;过程卷积模型

软件：

rgeos公司;漏洞;打开BUGS;随机字段
PDF格式BibTeX公司 XML格式引用
\textit{D.R.Baer}和\textit{A.B.Lawson}，J.Stat.Compute。模拟89，No.1，98--144（2019；Zbl 07193715）
全文： 内政部

参考文献：

[1] Best N，Richardson S，Thomson A.疾病映射贝叶斯空间模型的比较。2005年统计方法医学研究；14(1):35-59. doi:10.1191/0962280205sm388oa[Crossref]，[PubMed]，[Web of Science®]，[Google学者]·Zbl 1057.62097号
[2] Lawson AB。贝叶斯疾病映射，空间流行病学中的分层建模。纽约（NY）：CRC出版社；2018.【Crossref】，【谷歌学者】·Zbl 1412.62005年
[3] Besag J，York J，MolliéA.贝叶斯图像恢复及其在空间统计中的应用（附讨论）。Ann Inst统计数学。1991年；43:1-59. doi:10.1007/BF00116466[Crossref]，[Web of Science®]，[Google学者]·Zbl 0760.62029号
[4] Moraga P，Lawson AB。贝叶斯疾病映射中的高斯成分混合物和CAR模型。计算统计数据分析。2012;56(6):1417-1433. doi:10.1016/j.csda.2011.11.011[Crossref]，[Web of Science®]，[Google学者]·兹比尔1243.62037
[5] Higdon D.模拟北大西洋温度的过程卷积方法。环境生态统计。1998;5(2):173-190. doi:10.1023/A:1009666805688[Crossref]，[Web of Science®]，[Google学者]
[6] Calder CA。模拟环境颗粒物浓度的动态过程卷积方法。环境计量学。2007;18(7):697-712. doi:10.1002/env.873[交叉引用]，[谷歌学者]
[7] Calder CA。多元时空数据的动态因子过程卷积模型及其在空气质量评估中的应用。环境生态统计。2007;14(3):229-247. doi:10.1007/s10651-007-0019-y[Crossref]，[Web of Science®]，[Google学者]
[8] Leroux BG、Lei X、Breslow N.《流行病学、环境和临床试验的统计模型》，第135-78页。纽约（NY）：施普林格；1999.[谷歌学者]
[9] Diggle PJ、Tawn JA、Moyeed RA。基于模型的地质统计学。J皇家统计师Soc Ser C Appl Statist。1998;47:299-350. doi:10.1111/1467-9876.00113[Crossref]，[Web of Science®]，[Google学者]·Zbl 0904.62119号
[10] Wakefield J.疾病绘图和计数数据的空间回归。生物统计学。2007;8(2):158-183. doi:10.1093/biostatistics/kxl008[Crossref]，[PubMed]，[Web of Science®]，[Google学者]·Zbl 1213.62178号
[11] Lawson AB、Biggeri AB、Böhning D等。疾病映射模型：经验评估。统计医学2000；19:2217-41. doi:10.1002/1097-0258（20000915/30）19:17/18<2217:：AID-SIM565>3.0.CO；2-E[Crosref]、[PubMed]、[Web of Science®]、[Google Scholar]
[12] Lee D.贝叶斯疾病映射中使用的条件自回归模型的比较。时空流行病学。2011;2(2):79-89. doi:10.1016/j.sste.2011.03.001[交叉引用]，[公共医学]，[谷歌学者]
[13] Lawson AB，Lee D.统计手册，第16章（编辑：Rao A，pyne S，Rao CR）。纽约（NY）：爱思唯尔；2017.【谷歌学者】
[14] Duncan WE，White MW，Mengersen K.贝叶斯模型中的空间平滑：权重矩阵规范的比较及其对推理的影响。国际健康地理杂志。2017年；16(47). [PubMed]，[Google学者]
[15] Eberly LE，Carlin BP。空间模型马尔可夫链蒙特卡罗拟合的可识别性和收敛性问题。统计医学2000:2279-2294。doi:10.1002/1097-0258（20000915/30）19:17/18<2279:：AID-SIM569>3.0.CO；2-R[Crossref]，[PubMed]，[Web of Science®]，[Google学者]
[16] Lawson AB，Choi J，Cai B，等。小区域健康数据中暴露空间失调的贝叶斯多阶段时空混合建模。农业生物环境统计杂志。2012;17(3). doi:10.1007/s13253-012-0100-3[Crossref]，[PubMed]，[Web of Science®]，[Google学者]·兹比尔1302.62267
[17] Reich BJ，Hodges JS，Zadnik V.疾病映射模型中残余平滑对固定效应后验的影响。生物计量学。2006;62(4):1197-1206. doi:10.1111/j.1541-0420.2006.00617.x[Crossref]，[PubMed]，[Web of Science®]，[Google学者]·Zbl 1114.62124号
[18] Ma B，Lawson AB，Liu Y.健康数据集中聚类的贝叶斯模型评估。环境计量学。2007;18(7):697-712. doi:10.1002/env.873[交叉引用]，[谷歌学者]
[19] Hodges JS，Reich BJ。添加空间相关错误可能会破坏你喜欢的固定效果。Amer统计公司。2010;64(4):325-334. doi:10.1198/tast.2010.10052[Taylor&Francis Online]，[Web of Science®]，[Google学者]·Zbl 1217.62095号
[20] Bivand R，Rundel C.rgeos：几何引擎接口-开源（“GEOS”）。R包版本0.3-24。2017; https://CRAN.R-project.org/package=rgeos。[谷歌学者]
[21] Lunn D、Spiegelhalter D、Thomas A等人。BUGS项目：进化、批判和未来方向（含讨论）。统计医学2009；28:3049-3082. doi:10.1002/sim.3680[Crossref]，[PubMed]，[Web of Science®]，[Google学者]
[22] Thomas A、O'Hara B、Ligges U等。打开BUGS。R新闻。2006;6(1):12-17. [谷歌学者]
[23] Spiegelholter DJ、Best NG、Carlin BP等。模型复杂性和拟合的贝叶斯测度。2002年皇家统计师学会期刊；64:583-639. doi:10.1111/1467-9868.00353[交叉引用]，[谷歌学者]·Zbl 1067.62010年
[24] Schlather M，Malinowski A，Menck PJ，et al.用软件包RandomFields模拟和预测多元随机场。J统计软件。2015;63(8):1-25. doi:10.18637/jss.v063.i08[Crossref]，[Web of Science®]，[Google学者]
[25] Kipnis V、Midthune D、Buckman DW等。用多余的零和测量误差建模数据：应用于评估偶然消费的食物和健康结果之间的关系。生物计量学。2009;65(4):1003-1010. doi:10.1111/j.1541-0420.2009.01223.x[Crossref]，[PubMed]，[Web of Science®]，[Google学者]·兹比尔1181.62182
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。