مدل بقاي فضايي بيزي با پيشين اتورگرسيو شرطي

Bayesian spatial survival model with CAR prior

در مدل هاي كلاسيك بقا مانند مدل مخاطرات متناسب كاكس و مدل شكنندگي به واسطه سادگي مدل، برآورد پارامترها به مراتب ساده تر از مدل هاي بقاي فضايي است. اما در تحليل فضايي بقا استفاده از روش ماكسيمم صورت مي پذيرد، مشكلات محاسباتي و امكان ارائه يك ماكسيمم EⅯ درستنمايي كه محاسبه آنها عموماً با الگوريتم موضعي به جاي ماكسيمم عام را به همراه دارد. برآورد سريع و دقيق پارامترها به ويژه در مدل بقاي فضايي به واسطه پيچيده بودن تابع درستنمايي يكي از چالش هاي استفاده از رويكرد فراواني گرا در تحليل داده هاي بقاي فضايي است. در اين مقاله با استفاده از رويكرد بيزي به برآورد پارامترهاي مد ل هاي كلاسيك و بقاي فضايي پرداخته مي شود. در ادامه با در نظر گرفتن يك پيشين اتورگرسيو شرطي، پارامترهاي مدل بقا برآورد مي شوند و در نهايت نحوه كاربست اين مدل در تحليل داده هاي بيكاري مورد بررسي قرار خواهد گرفت.

In classical survival models such as the Cox and frailty model, estimating the parameters is more straightforward than in spatial survival models due to the model’s simplicity. However, in spatial cases, using the maximum likelihood method calculated with the EM algorithm has computational problems and the possibility of providing a local maximum instead of the universal maximum. Accurate estimation of parameters, especially in the spatial survival model due to the complexity of the likelihood function, is one of the challenges of using the frequency-oriented approach in analyzing spatial survival data. In this paper, the parameters of the classical models and spatial survival are estimated using the Bayesian approach. Next, the parameters of the survival model are estimated by considering a conditional autoregressive prior. Finally, this model will be examined to analyze unemployment data.