受限协方差先验及其在空间统计中的应用
统计方法学
2015-12-04 v2
摘要
我们提出了一种用于区域层面计数数据的贝叶斯模型，该模型使用高斯随机效应，并在逆方差 - 协方差矩阵上采用一种新型的 G-Wishart 先验。具体而言，我们引入了一种称为截断 G-Wishart 分布的新分布，其支撑集为精度矩阵，这些矩阵能使相邻区域的随机效应之间产生正相关，同时保持非相邻区域的条件独立性。我们描述了在疾病制图背景下用于截断 G-Wishart 先验的马尔可夫链蒙特卡洛采样算法，并将我们的结果与基于固有自回归先验的贝叶斯层次模型进行了比较。模拟研究表明，当疾病风险表面存在不连续性时，使用截断 G-Wishart 先验优于固有自回归先验。该新模型被应用于华盛顿州的癌症发病率数据分析。
引用
@article{arxiv.1402.5655,
title = {Restricted Covariance Priors with Applications in Spatial Statistics},
author = {Theresa R. Smith and Jon Wakefield and Adrian Dobra},
journal= {arXiv preprint arXiv:1402.5655},
year = {2015}
}
备注
Published at http://dx.doi.org/10.1214/14-BA927 in the Bayesian Analysis (http://projecteuclid.org/euclid.ba) by the International Society of Bayesian Analysis (http://bayesian.org/)