时空疾病制图模型中的方差划分
统计方法学
2022-05-20 v2
摘要
贝叶斯疾病制图尽管在描述风险随时间与空间的变化方面无疑有用，却面临着对难以解释的随机效应精度参数进行先验设定的障碍。我们引入了一种广受欢迎的时空交互模型的重参数化版本，该版本基于Kronecker积本质高斯马尔可夫随机场，并将其命名为方差划分（VP）模型。VP模型包含一个混合参数，用于平衡主效应与交互效应对总（广义）方差的贡献，并增强了可解释性。对混合参数使用惩罚复杂度先验有助于以直观方式编码先验信息。我们通过两个案例研究说明了VP模型的优势。
引用
@article{arxiv.2109.13374,
title = {Variance partitioning in spatio-temporal disease mapping models},
author = {Maria Franco-Villoria and Massimo Ventrucci and Håvard Rue},
journal= {arXiv preprint arXiv:2109.13374},
year = {2022}
}