疟疾地统计建模新计算方法的比较
应用统计
2023-05-04 v1
摘要
健康数据的地统计分析日益用于建模疟疾患病率、负担及其他指标的空间变异。传统地统计建模的推断方法以计算密集著称，这促使了更新、近似方法的发展。随着建模区域规模与空间位置数量增加，快速方法的吸引力尤为突出。方法：我们给出四种提出的“快速”地统计建模方法及其实现软件的实证比较——集成嵌套拉普拉斯近似（INLA）、带高斯过程与混合效应模型的树提升（GPBoost）、固定秩克里金（FRK）与空间随机森林（SpRF）。我们以国家与大陆两种不同空间尺度估计疟疾患病率来说明这四种方法，并从准确性、计算时间与实现难易度方面比较它们在数据上的表现。结果：其中两种方法——SpRF与GPBoost——随数据规模增大扩展性不佳，因此对于更大规模的分析问题可能不可行。其余两种方法——INLA与FRK——计算扩展性良好，但所得模型拟合对用户建模假设与参数选择非常敏感。结论：INLA与FRK均可实现疟疾患病率数据的可扩展地统计建模。但使用这两种方法时必须注意评估模型对数据的拟合度与预测合理性，以选取恰当的模型假设与近似参数。
引用
@article{arxiv.2305.01907,
title = {Comparison of new computational methods for geostatistical modelling of malaria},
author = {Spencer Wong and Jennifer A. Flegg and Nick Golding and Sevvandi Kandanaarachchi},
journal= {arXiv preprint arXiv:2305.01907},
year = {2023}
}