基于分层贝叶斯时空Poisson模型的流行病建模研究

摘要：

流行病的广泛传播对经济发展以及日常生活造成了巨大的冲击.因此,收集流行病相关数据并分析其发病率或感染强度的时空规律对制定相应的控制策略,经济恢复政策等方面至关重要.文章讨论了基于分层贝叶斯时空Poisson模型的流行病建模方法,具体包括数据模型,过程模型以及参数模型的不同设定,参数先验分布的讨论,模型选择等.基于这种思路对流行病的传播和发展进行分析,可以研究不同地区的空间差异性及其他协变量对流行病趋势的影响,同时也可以研究病毒传播的时空依赖性和空间效应的异方差结构.所讨论的建模方法可为相关问题研究提供理论参考.对于参数估计,可利用已有的软件WinBUGS和OpenBUGS中默认的马尔可夫链蒙特卡罗算法(MCMC)下的Gibbs抽样算法.

关键词：分层贝叶斯模型、时空分析、流行病建模、Gibbs抽样

所属期刊栏目：42

分类号：TP391.9;O212;R4

资助基金：国家自然科学基金;全国统计科学研究项目

在线出版日期：2022-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：462-472