Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phân tích dữ liệu không tách rời theo không gian và thời gian với ứng dụng trong nghiên cứu virus ruột ở Đài Loan
Tóm tắt
Chúng tôi đề xuất một quy trình ước lượng để kết hợp sự tương quan không tách rời theo không gian và thời gian vào một mô hình tác động hỗn hợp tuyến tính tổng quát. Động lực của bài báo này xuất phát từ một nghiên cứu về nhiễm virus ruột với sự tương quan theo không gian và thời gian. Phương pháp được đề xuất dựa trên một phương trình ước lượng làm việc xuất phát từ một tổng quát hóa của các phương pháp bình phương tối thiểu có trọng số. Với một quy trình ước lượng hai giai đoạn lặp đi lặp lại, chúng tôi có thể giải quyết vấn đề không xác định do các tác động ngẫu nhiên tiềm ẩn. Dưới một số điều kiện bình thường nhất định, chúng tôi chứng minh rằng ước lượng được đề xuất có tính nhất quán và tính chuẩn tắc tiệm cận cho dữ liệu không gian-thời gian. Chúng tôi cũng thực hiện một mô phỏng dựa trên mô hình và áp dụng phương pháp này cho dữ liệu virus ruột ở Đài Loan.
Từ khóa
#dữ liệu không tách rời #tương quan không gian và thời gian #mô hình tác động hỗn hợp tuyến tính #nhiễm virus ruột #Đài LoanTài liệu tham khảo
Besag JE (1974) Spatial interaction and the statistical analysis of lattice systems. J R Stat Soc Ser B 36:192–236
Breslow NE, Clayton DG (1993) Approximate inference in generalized linear mixed models. J Am Stat Assoc 89:9–24
Bruno F, Guttorp P, Sampson PD, Cocchi D (2009) A simple non-separable, non-stationary spatialtemporal model for ozone. Environ Ecol Stat 16:515–529
Cressie NA (1993) Statistics for spatial data. Wiley, New York
Cressie NA, Huang HC (1999) Classes of nonseparable, spatio-temporal stationary covariance functions. J Am Stat Assoc 94:1330–1340
Crowder MJ (1986) On consistency and inconsistency of estimating equations. Econom Theory 2:305–330
Diggle PJ, Tawn JA, Moyeed RA (1998) Model-based geostatistics. J R Stat Soc Ser C 47:299–350
Gneiting T (2002) Nonseparable, stationary covariance functions for space-time data. J Am Stat Assoc 97:590–600
Godambe VP (1991) Estimating functions. Oxford University Press, Oxford
Guyon X (1995) Random fields on a network. Springer, New York
Heagerty PJ, Lele SR (1998) A composite likelihood approach to binary spatial data. J Am Stat Assoc 93:1099–1110
Heagerty PJ, Lumley T (2000) Window subsampling of estimating functions with application to regression models. J Am Stat Assoc 95:197–211
Liang KY, Zeger SL (1986) Longitudinal data analysis using generalized linear models. Biometrika 73:13–22
Liang KY, Zeger S, Qaqish B (1992) Multivariate regression analysis for categorical data. J R Stat Soc Ser B 54:3–40
Lin PS, Clayton MK (2005) Analysis of spatially binary data by quasi-likelihood estimating equations. Ann Stat 33:542–555
Lin PS (2008) Estimating equations for spatially correlated data in multi-dimensional space. Biometrika 95:847–858
Lin PS, Lee HY, Clayton MK (2009) A comparison of efficiencies between quasi-likelihood and pseudo-likelihood estimates in non-separable spatial-temporal binary data. J Stat Plan Inference 139:3310–3318
Lin X (2007) Estimation using penalized quasilikelihood and quasi-pseudo-likelihood in Poisson mixed models. Lifetime Data Anal 13:533–544
McCullagh P (1991) Quasi-likelihood and estimating equations. In: Hinkley DV, Reid N, Snell EJ (eds) Statistical theory and modeling. Chapman and Hall, New York, pp 265–286
McCulloch CE (1997) Maximum likelihood algorithms for generalized linear mixed models. J Am Stat Assoc 92:162–170
McGilchrist CA (1994) Estimation in generalized linear mixed models. J R Stat Soc Ser B 56:61–69
McShane LM, Albert PS, Palmatier MA (1997) A latent process regression model for spatially correlated count data. Biometrics 53:698–706
Oman SD, Landsman V, Carmel Y, Kadmon R (2007) Analyzing spatially distributed binary data using independent-block estimating equations. Biometrics 63:892–900
Yasui Y, Lele S (1997) A regression method for spatial disease rates: an estimating function approach. J Am Stat Assoc 92:21–32
Zeger S (1988) A regression model for time series of counts. Biometrika 75:621–629
Zhu J, Huang HC, Wu J (2005) Modelling spatial-temporal binary data using Markov random fields. J Agric Biol Environ Stat 10:212–225
Zhu J, Rasmussen J, Moller J, Aukema B, Raffa K (2008) Spatial-temporal modeling of forest gaps generated by colonization from below- and above-ground bark beetle species. J Am Stat Assoc 103:162–177