[论文解读] Latent Multivariate Log-Gamma Models for High-Dimensional Multi-Type Responses with Application to Daily Fine Particulate Matter and Mortality Counts

Zhixing Xu, Jonathan R. Bradley+1 more|arXiv (Cornell University)|Sep 5, 2019

Air Quality and Health Impacts参考文献 46被引用 5

一句话总结

本文提出一种贝叶斯分层模型，采用潜在多变量对数伽马分布，联合分析高维、多类型响应变量——具体而言，是连续的每日PM2.5浓度与基于计数的死亡率——通过威布尔分布与泊松分布之间的共享共轭性实现。该方法通过低秩空间建模与截断吉布斯抽样实现高效计算，提升了估计精度并实现了对缺失或未公开县区数据的插补。

ABSTRACT

Tracking and estimating Daily Fine Particulate Matter (PM2.5) is very important as it has been shown that PM2.5 is directly related to mortality related to lungs, cardiovascular system, and stroke. That is, high values of PM2.5 constitute a public health problem in the US, and it is important that we precisely estimate PM2.5 to aid in public policy decisions. Thus, we propose a Bayesian hierarchical model for high-dimensional "multi-type" responses. By "multi-type" responses we mean a collection of correlated responses that have different distributional assumptions (e.g., continuous skewed observations, and count-valued observations). The Centers for Disease Control and Prevention (CDC) database provides counts of mortalities related to PM2.5 and daily averaged PM2.5 which are both treated as responses in our analysis. Our model capitalizes on the shared conjugate structure between the Weibull (to model PM2.5), Poisson (to model diseases mortalities), and multivariate log-gamma distributions, and we use dimension reduction to aid with computation. Our model can also be used to improve the precision of estimates and estimate values at undisclosed/missing counties. We provide a simulation study to illustrate the performance of the model, and give an in-depth analysis of the CDC dataset.

研究动机与目标

• 开发一种计算高效的贝叶斯模型，用于高维多类型响应变量，如连续的PM2.5水平与基于计数的死亡率数据。
• 联合建模PM2.5与死亡计数之间的空间依赖性与跨响应依赖性，以提升估计精度。
• 通过共享的潜在空间随机效应，实现对缺失或未公开县区数据的插补。
• 确保对零膨胀死亡计数的稳健性，这是公共卫生数据中的常见问题。
• 将低秩空间建模扩展至多类型响应场景，此前该方法仅限于单类型响应。

提出的方法

• 采用联合威布尔-泊松（WAP）似然模型，并结合潜在多变量对数伽马（MLG）分布，以捕捉连续响应与计数响应之间的依赖关系。
• 采用空间协变随机效应的低秩表示，以提升大规模数据集下的计算可扩展性。
• 应用截断吉布斯抽样，结合超参数（α, κ）的共轭全条件更新，避免调参与提议分布。
• 通过QR分解实现数据增强，以高效模拟条件多变量对数伽马（cMLG）分布。
• 在空间随机效应上设置层次先验，其形状与率参数的选择旨在近似标准正态分布。
• 推导所有参数的全条件分布，包括使用康威-马克斯韦尔-泊松分布与伽马分布进行参数更新。

实验结果

研究问题

• RQ1 是否能够通过统一的贝叶斯模型，联合建模连续的PM2.5水平与基于计数的死亡率，同时捕捉其跨响应依赖性？
• RQ2 低秩空间建模在高维多类型响应设置下，如何提升计算效率与预测准确性？
• RQ3 在零膨胀死亡计数（公共卫生数据中常见挑战）条件下，该模型的稳健性如何？
• RQ4 威布尔、泊松与MLG分布之间的共享共轭结构，是否能够实现无需调参的高效MCMC抽样？
• RQ5 该模型在CDC数据集中对缺失或未公开的县区级数据的插补性能如何？

主要发现

• 所提出的WAP模型成功利用PM2.5与死亡计数之间的依赖关系，提升了两类响应变量的估计精度。
• 低秩空间建模显著提升了计算效率，同时在大规模空间数据集中保持了高预测准确性。
• 即使在死亡数据中存在零膨胀的情况下，该模型仍表现出稳健性能，优于易受偏差影响的标准模型。
• 通过截断吉布斯抽样实现的共轭全条件更新，实现了快速、无需调参的MCMC抽样，这对高维数据至关重要。
• 该模型通过借用空间与响应类型之间的依赖关系，实现了对缺失或未公开县区级响应数据的准确插补。
• 模拟研究证实，该模型在高维与偏态响应条件下，能够以低偏差和良好覆盖概率恢复真实参数。