Besag-York-Mollié CAR 模型信息量的评估
应用统计
2021-09-23 v1
摘要
Besag、York 和 Mollié (1991; BYM) 提出的条件自回归框架在贝叶斯疾病制图与空间流行病学中无处不在。尽管众所周知贝叶斯推断基于数据所含信息与模型所贡献信息的结合，但量化模型相对于数据信息的贡献通常并非易事。在此，我们首先考虑简单的 Poisson-gamma 设定（其中量化先验贡献相当清晰），从而给出 BYM 框架贡献的一种度量。随后我们提出 gamma 先验与 lognormal 先验之间的关系，并将其推广以涵盖 BYM 提出的框架。在一项简要的模拟研究中，我们展示了以 lognormal 近似 gamma 先验的准确性，之后我们分析了一个由美国县级心脏病相关死亡数据组成的数据集。除展示 BYM 框架可能对应高度信息性先验设定之潜力外，我们还说明了死亡率估计对 BYM 框架信息量变化的敏感性。
引用
@article{arxiv.2007.10559,
title = {Evaluating the Informativeness of the Besag-York-Molli\'e CAR Model},
author = {Harrison Quick and Guangzi Song and Loni Tabb},
journal= {arXiv preprint arXiv:2007.10559},
year = {2021}
}
备注
11 pages, 4 figures