用于估计空气污染健康效应的贝叶斯局部条件自回归模型
统计方法学
2013-05-24 v1
摘要
估计空气污染的长期健康效应是一项具有挑战性的任务，特别是在生态研究设计中模拟小区域疾病发病率数据时。挑战源于这些数据中未观测到的潜在空间相关结构，通常通过使用全局平滑条件自回归模型建模的随机效应来解释。这些平滑随机效应与同样具有全局平滑特性的空气污染效应产生共线性。为避免这种共线性，本文开发了一种用于随机效应的贝叶斯局部条件自回归模型。该局部模型在空间上具有灵活性，不仅能够模拟随机效应表面的阶跃变化，还能捕捉研究区域内的空间平滑区域。这一方法论进展使我们能够相比使用传统条件自回归模型提高协变量效应的估计性能。这些结果通过模拟研究得以确立，随后通过我们关于 2010 年苏格兰大格拉斯哥地区空气污染与呼吸系统健康问题的激励性研究进行了说明。该模型显示了颗粒物空气污染和收入剥夺的重大健康效应，而这些效应在目前可用的全局平滑模型中一直被减弱。
引用
@article{arxiv.1305.5445,
title = {A Bayesian localised conditional auto-regressive model for estimating the health effects of air pollution},
author = {Duncan Lee and Alastair Rushworth and Sujit K. Sahu},
journal= {arXiv preprint arXiv:1305.5445},
year = {2013}
}