基于由生成树驱动的空间随机分区序列时序依赖建模：针对虫媒疾病的应用
统计方法学
2025-07-14 v2
摘要
空间受限聚类是重要的研究领域，尤其是在涉及随时间变化时。将地图进行分区并不简单，因为存在大量可能的分区位于搜索空间中。在时空聚类中，这一任务变得更加困难，因为我们必须考虑分区的序列。受到这些挑战的动机，我们提出了一个针对时间依赖的空间随机分区序列的贝叶斯模型，通过提出基于产品分区模型的先验分布来关联分区。此外，我们运用随机生成树来促进分区搜索空间的探索，并保证空间受限聚类。本工作的动机来自一个相关的实际问题：识别虫媒疾病的空间时序模式。鉴于这种数据存在过度分布，我们提出了一个时空泊松混合模型，其中均值和分散参数根据时空协变量变化。我们将该模型应用于分析来自巴西东南部2018年至2023年每周报告的登革热病例数。我们还使用模拟数据评估了模型性能。总体而言，所提出的模型已证明为分析空间聚类的时序演化提供了一种具有竞争力的方法。
引用
@article{arxiv.2501.04601,
title = {Modeling temporal dependence in a sequence of spatial random partitions driven by spanning tree: an application to mosquito-borne diseases},
author = {Jessica Pavani and Rosangela Helena Loschi and Fernando Andres Quintana},
journal= {arXiv preprint arXiv:2501.04601},
year = {2025}
}