مدل بقای فضایی بیزی با پیشین اتورگرسیو شرطی

در مدل های کلاسیک بقا مانند مدل مخاطرات متناسب کاکس و مدل شکنندگی به واسطه سادگی مدل،برآورد پارامترها به مراتب ساده تر از مدل های بقای فضایی است. اما در تحلیل فضایی بقا استفاده از روش ماکسیممصورت می پذیرد، مشکلات محاسباتی و امکان ارائه یک ماکسیمم eⅿ درستنمایی که محاسبه آنها عموماً با الگوریتمموضعی به جای ماکسیمم عام را به همراه دارد. برآورد سریع و دقیق پارامترها به ویژه در مدل بقای فضایی به واسطهپیچیده بودن تابع درستنمایی یکی از چالش های استفاده از رویکرد فراوانی گرا در تحلیل داده های بقای فضایی است.در این مقاله با استفاده از رویکرد بیزی به برآورد پارامترهای مد ل های کلاسیک و بقای فضایی پرداخته می شود. درادامه با در نظر گرفتن یک پیشین اتورگرسیو شرطی، پارامترهای مدل بقا برآورد می شوند و در نهایت نحوه کاربستاین مدل در تحلیل داده های بیکاری مورد بررسی قرار خواهد گرفت.

bayesian spatial survival model with car prior

in classical survival models such as the cox and frailty model, estimating theparameters 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 theem algorithm has computational problems and the possibility of providing a local maximuminstead of the universal maximum. accurate estimation of parameters, especially in the spatialsurvival model due to the complexity of the likelihood function, is one of the challengesof 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 bayesianapproach. next, the parameters of the survival model are estimated by considering a conditionalautoregressive prior. finally, this model will be examined to analyze unemploymentdata.