用于双变量多尺度空间数据的贝叶斯层次建模及其在血液检测监测中的应用
统计方法学
2024-03-28 v2 应用统计
摘要
在公共卫生应用中，所收集的空间数据常记录于不同空间尺度且涉及不同相关变量。空间支持度变换是这些应用中的关键推断问题，在单变量情形下已趋标准；但在多变量情形下尚不标准。现有若干多元空间模型可轻易与多尺度空间方法结合以分析多元多尺度空间数据。本文中，我们在贝叶斯框架下由此类组合提出三种用于双变量多尺度空间数据的新模型。具体而言，我们通过多尺度空间方法拓展了空间随机效应模型、多元条件自回归模型与有序层次模型。我们对三种模型进行模拟研究，并从预测性能与计算效率方面进行比较。我们通过分析2015年得克萨斯州年度平均接受两项血液检测百分比的Dartmouth Atlas Project数据来引出我们的模型。
引用
@article{arxiv.2310.13580,
title = {Bayesian Hierarchical Modeling for Bivariate Multiscale Spatial Data with Application to Blood Test Monitoring},
author = {Shijie Zhou and Jonathan R. Bradley},
journal= {arXiv preprint arXiv:2310.13580},
year = {2024}
}