用于分析按种族和性别划分的县级心脏病死亡率的一个不可分离多元时空模型
统计方法学
2018-01-23 v1 应用统计
摘要
尽管在过去 50 年中，心脏病的死亡率经历了急剧下降，但这些疾病仍然是美国的主要死因，并且下降速率因地理位置、种族和性别而异。我们寻求利用分层贝叶斯方法的力量，从美国不同种族的男性和女性的县级、随时间变化的心脏病死亡率中获得更清晰的下降图景。具体来说，我们提出了一个不可分离的多元时空贝叶斯模型，该模型允许在模型的多元时空组件中存在特定于组的时序相关性和随时间演化的协方差结构。通过模拟验证了我们模型的有效性后，我们将模型应用于一个包含超过 200,000 个县级心脏病死亡率的数据集。除了比其他处理此类数据的常用方法具有更优的拟合度外，我们模型的丰富性还提供了对限制性更强的模型所不允许的美国心脏病死亡率背后的种族、性别和地理差异的洞察。
引用
@article{arxiv.1507.02741,
title = {A Nonseparable Multivariate Space-Time Model for Analyzing County-Level Heart Disease Death Rates by Race and Gender},
author = {Harrison Quick and Lance A. Waller and Michele Casper},
journal= {arXiv preprint arXiv:1507.02741},
year = {2018}
}