贝叶斯时空模型在新冠风险评估中的应用

基于2020~2021年河南省18个地级市新冠肺炎确诊病例数据,采用BYM (Besag-York-Mollie)、FBM(Familiar Bayesian Spatio-temporal)模型来分析新冠肺炎发病风险的时空分布特征,并探讨社会经济、生态环境等因素对疾病风险的影响效应,同时就应用结果对比两种模型的优劣。方法:收集2020~2021年河南新冠肺炎确诊数据,采用相关性分析排除部分相关性不大的影响因子,并运用因子分析降维诸指标,而后分别代入两模型进行分析、讨论。结果:1) 2020~2021年河南全省的疫情风险程度是呈现下降趋势的,高风险地区主要集中于豫北地区。2) 因子分析共构建基本经济因子、社会因子、温度因子、降水因子以及空气质量因子五个综合指标。3) 通过模型运行后的结果和DIC值可以得出FBM模型总体要优于BYM模型。

基于贝叶斯模型的中国房地产投资发展研究

房地产投资的发展程度会受到很多因素的影响,而且这些因素并不是单独存在,是相互组成一个复杂的系统共同影响着中国内地各地区的房地产投资发展在时空上演进、变化,本文运用BYM、FBM两种贝叶斯时空模型研究分析房地产投资的发展程度,分析各个影响因子的影响程度,最后根据DIC值评估两种模型的拟合优劣。除此之外,本文运用FBM模型研究了2012~2021年中国内地地区各个省、自治区、直辖市房地产投资的总体发展热度以及局部发展趋势。