带有空间效应的平滑ANOVA作为多元空间平滑中MCAR的竞争者

地理信息系统（GIS）的快速发展持续激发了分析复杂空间数据集的兴趣。其中一个活跃领域是创建平滑疾病地图，以描述疾病的地理变异并为表面上不同的风险生成假设。对于多种疾病，通常使用多元条件自回归（MCAR）模型在空间上进行平滑，同时考虑疾病之间的关联。然而，MCAR施加了难以解释和估计的复杂协方差结构。本文在平滑ANOVA（SANOVA）技术的基础上开发了一种更简单的替代方法。这里我们没有简单地无结构地收缩效应，而是利用空间结构使用SANOVA来平滑空间随机效应。我们将SANOVA扩展到一个因子为空间格点（使用CAR模型进行平滑），而第二个因子例如为癌症类型的情况。常规数据集通常缺乏足够的信息来识别MCAR的附加结构。SANOVA提供了比MCAR更简单且更易理解的结构，同时性能同样出色。我们通过旨在比较不同设计矩阵的SANOVA与不同先验的MCAR的模拟研究，论证了我们的方法。随后，使用这两种方法分析了一个癌症监测数据集，该数据集描述了明尼苏达州87个县的3种癌症发病率，展示了SANOVA方法的竞争力。