A Bivariate Bayes Method for Improving the Estimates of Mortality Rates With a Twofold Conditional Autoregressive Model
利用二重条件自回归模型改进死亡率估计的双变量贝叶斯方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要涉及空间疾病死亡率建模，未明确研究经济网络、因果干扰或其他所列领域。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
利用二重条件自回归模型改进死亡率估计的双变量贝叶斯方法
- 研究问题
- 同一人口组或地区有两类疾病死亡信息时，能否通过联合建模及空间依赖结构改善单类疾病死亡率的估计？
- 方法与思路
- 作者结合双变量泊松分布与二重条件自回归模型，以空间效应表示地区聚集，并用理论、模拟、真实数据和贝叶斯因子比较。
- 材料陈述的贡献
- 摘要称双变量方法在所考察的比较中较单变量层级贝叶斯方法有明显改善，并展示用 MCMC 估计实际死亡率的应用。
- 阅读关注点
- 应核对联合泊松模型和空间结构的设定、跨疾病信息借用方式，以及理论与经验比较中“改善”所采用的具体准则。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未提供改善幅度和完整评价条件，空间相关建模本身不能解释为因果干扰效应。
原文摘要
A bivariate Bayes method is proposed for estimating the mortality rates of a single disease for a given population, using additional information from a second disease. The information on the two diseases is assumed to be from the same population groups or areas. The joint frequencies of deaths for the two diseases for given populations are assumed to have a bivariate Poisson distribution with joint means proportional to the population sizes. The relationship between the mortality rates of the two different diseases if formulated through the twofold conditional autoregressive (CAR) model, where spatial effects as well as indexes of spatial dependence are introduced to capture the structured clusterings among areas. This procedure is compared to a univariate hierarchical Bayes procedure that uses information from one disease only. Comparisons of two procedures are made by the optimal property, a Monte Carlo study, real data, and the Bayes factor. All of the methods that we consider demonstrate a substantial improvement in the bivariate over the univariate procedure. For analyzing male and female lung cancer data from the state of Missouri, Markov chain Monte Carlo methods are used to estimate mortality rates.