×

兹马思-数学第一资源

卡特里娜飓风后企业重新开业的空间生存模型:生存模型与3、6或12个月内重新开业的空间概率模型比较。(英语) Zbl 07346644
小结:H。T。汉森【in:生物统计学中的非参数贝叶斯推断。查姆:斯普林格。215–246(2015年;Zbl 1334.62163); J。是。Stat.Assoc.113,第522号,571–581(2018年;Zbl 1398.62266); 空间相关生存数据的贝叶斯建模与分析。R包版本1.1.4(2020年),https://CRAN.R-project.org/package=spBayesSurv]H。,T。汉森J。[“spBayesSurv:用R拟合贝叶斯空间生存模型”,J。统计软件。92,第9期,1-33页(2020年;doi:10.18637/jss.v092.i09)]提出了利用区域数据估计空间生存模型的方法。本文将他们的方法应用于一个数据集,记录新奥尔良在卡特里娜飓风后重新开业的商业决策;数据包括在[J。P。出租等,“卡特里娜飓风过后的新奥尔良商业复苏”,J。R。社会统计局。A 174,第4期,1007–1027(2011年;doi:10.1111/j.1467-985X.2011.00712.x)]. 在两篇文章中[J。P。出租等人,“做邻居做的事”,意义8,第4期,160-163(2011;doi:10.1111/j.1740-9713.2011.00520.x); ““卡特里娜飓风后新奥尔良的商业复苏”,见上文。cit.],空间probit模型用于在这个数据集中对空间依赖性进行建模,并将重新开放的决定聚合到前90天、180天和360天。我们把这个问题重新定义为检查数据中的事件发生时间记录,在175家企业重新开业之前,由于观察停止,对其进行了审查;我们省略了在第41天开始观察时已经重新开放的业务。我们有兴趣检查在应用使用MCMC和insla估计的生存和空间生存模型时,使用空间和空间probit模型的协变量的结论是否被修改。一般来说,我们发现相同的协变量与两种建模方法中的重新开放决策相关。然而,我们确实发现,从三条街道收集的数据有很大的不同,并且街道可能最好分开处理,或者街道效应应该明确地包括在内。
理学硕士:
62-XX号 统计
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] Banerjee,S,Carlin,BP,Gelfand,AE(2014)《空间数据层次建模与分析》,第2版。佛罗里达州博卡拉顿:查普曼和霍尔/CRC。
[2] Bivand,RS,Pebesma,E,Gómez Rubio,V(2013)《应用空间数据分析与R》,第2版。纽约,纽约:斯普林格·Zbl 1269.62045
[3] Cox,D,Snell,E(1968)残差的一般定义(与讨论)。英国皇家统计学会杂志,B辑,30248-75·Zbl 0164.48903
[4] Gómez Rubio,V(2020)与INLA的贝叶斯推理。佛罗里达州博卡拉康:查普曼和霍尔/CRC。
[5] 易卜拉欣,JG,Chen,M-H,Sinha,D(2001年)。贝叶斯生存分析。纽约,纽约:斯普林格·Zbl 0978.62091
[6] Kaplan,EL,Meier,P(1958)不完全观测的非参数估计。美国统计协会杂志,53457-481,doi:10.1080/01621459.1958.10501452。网址https://www.tandfonline.com/doi/abs/10.1080/01621459.1958.10501452(上次访问日期:2020年11月2日)·Zbl 0089.14801号
[7] Lam,NSN,Arenas,H,Pace,K,LeSage,J,Campanella,R(2012)卡特里娜飓风后新奥尔良商业回报的预测。公共科学图书馆1号,7,1-8.doi:10.1371/journal.pone.0047935。网址https://doi.org/10.1371/journal.pone。0047935(上次访问时间:2020年11月2日)。
[8] LeSage,J,Pace,RK(2009)空间计量经济学导论。佛罗里达州博卡拉顿:查普曼和霍尔/CRC·Zbl 1163.91004号
[9] LeSage,J,Pace,RK,Campanella,R,Lam,N,Liu,X(2011a)做邻居做的事。重要性,8160-163.doi:10.1111/j.1740-9713.2011.00520.x。网址https://rss.onlinelibrary.wiley.com/doi/abs/10.1111/j.1740-9713.2011.00520.x(lastb访问日期:2020年11月2日)。
[10] LeSage,J,Pace,RK,Lam,N,Campanella,R,Liu,X(2011b)《卡特里娜飓风过后的新奥尔良商业复苏》。英国皇家统计学会杂志:A辑(社会统计),1741007-1027.doi:10.1111/j.1467-985X.2011.00712.x。网址https://rss.onlinelibrary.wiley.com/doi/abs/10.1111/j.1467-985X.2011.00712.x(上次访问日期:2020年11月2日)。
[11] 空间依赖性,和Probettal模型。R包版本1.0。网址https://CRAN.R-project.org/package=ProbitSpatial(上次访问日期:2020年11月2日)·Zbl 1460.62010
[12] Martinetti,D,Genioux,G(2017年)。空间probit模型的近似似然估计。区域科学与城市经济学,64,30-45.doi:https://doi.org/10.1016/j.regscirbeco.2017.02.002。网址http://www.sciencedirect.com/science/article/pii/S0166046217300546(上次访问日期:2020年11月2日)。
[13] Moore,D(2016)采用R。纽约,纽约:斯普林格·Zbl 1338.62005
[14] Rue,H,Lindgren,F,Simpson,D,Martino,S,Teixeira Krainski,E,Bakka,H,Riebler,A,Fuglstad,G-A(2019)INSLA:使用集成嵌套拉普拉斯近似对潜在高斯模型进行全贝叶斯分析。R程序包版本19.09.03。
[15] Rue,H,Martino,S,Chopin,N(2009)基于集成嵌套Laplace近似的隐高斯模型的近似贝叶斯推断。英国皇家统计学会杂志,B辑,71319-1992·Zbl 1248.62156
[16] Simpson,DP,Rue,H,Riebler,A,Martins,TG,Sørbye,SH(2017)《惩罚模型组件复杂性:构建优先级的原则性、实用性方法》。统计科学,32,1-28·Zbl 1442.62060
[17] Spiegelhalter,DJ,Best,NG,Carlin,BP,Van der Linde,A(2002)《模型复杂性和拟合的贝叶斯度量》(附讨论)。英国皇家统计学会杂志,B辑,64583-616·Zbl 1067.62010
[18] Taylor,BM,Rowlingson,BS(2017)spatsurv:空间生存模型贝叶斯推理的R包。统计软件杂志,77,1-32.doi:10.18637/jss.v077.i04。
[19] Taylor,BM,Rowlingson,BS,Zheng,Z(2018)spatsurv:参数比例风险模型的贝叶斯空间生存分析。R包版本1.2。网址https://CRAN.R-project.org/package=spatsurv(上次访问日期:2020年11月2日)。
[20] Therneau,T(2019年)《生存:生存分析》。R包版本2.441.1。网址https://CRAN.R-project.org/package=survival(上次访问日期:2020年11月2日)。
[21] Therneau,T,Grambsch,P(2000)生存数据建模:扩展Cox模型。纽约,纽约:斯普林格·Zbl 0958.62094
[22] Wilhelm,S,de Matos,MG(2013)估计R。R杂志,5130-43。网址https://journal.rproject.org/archive/2013/RJ-2013-013/index.html(上次访问日期:2020年11月2日)。
[23] Wilhelm,S,de Matos,MG(2015)《空间机器人:空间问题模型》。R包版本0.9-11.URLhttps://CRAN.R-project.org/package=spatialprobit(上次访问日期:2020年11月2日)。
[24] Zhou,H,Hanson,T(2015)贝叶斯空间生存模型。《生物统计学中的非参数贝叶斯推断》,米特拉,R,Müller,P.编辑,第215-46页。网址https://doi-org.pva.uib.no/10.1007/978-3-319-19518-6_11(上次访问日期:2020年11月2日)·Zbl 1334.62163
[25] Zhou,H,Hanson,T(2018年)。将贝叶斯半参数模型拟合到任意截尾生存数据(包括空间参考数据)的统一框架。美国统计协会杂志,113571-81.doi:10.1080/01621459.2017.1356316·Zbl 1398.62266
[26] Zhou,H,Hanson,T(2020)spBayesSurv:空间相关生存数据的贝叶斯建模与分析。R包版本1.1.4。网址https://CRAN.R-project.org/package=spBayesSurv(上次访问日期:2020年11月2日)。
[27] Zhou,H,Hanson,T,Zhang,J(2020)spbayessurv:用R拟合贝叶斯空间生存模型。统计软件杂志,文章,92,1-33.doi:10.18637/jss.v092.i09。网址https://www.jstatsoft.org/v092/i09(上次访问日期:2020年11月2日)。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。