fa تحلیل داده‌های فضایی-زمانی شمارشی با مدل منعطف گامای شمارشی آمار فضایی Spatial Statistics پژوهشی بنیادی Research <div style="text-align: justify;">بسیاری از داده‌های فضایی-زمانی، به‌ویژه در پزشکی و تصویرسازی بیماری‌ها، شمارشی هستند. معمولا این نوع داده‌های شمارشی دارای تغییرپذیری مضاعفی هستند که کارایی مدل پواسون را برای تحلیل آن‌ها خدشه‌دار می‌کند. لحاظ کردن این تغییرپذیری در فرآیند مدل‌بندی، نقش مهمی در افزایش کارایی تحلیل داده‌های فضایی-زمانی شمارشی دارد. با این هدف، در این مقاله، یک مدل فضایی-زمانی بیزی جدید با انعطاف بالا برای مدل‌بندی پراکنش داده‌ها، به نام گامای شمارشی، معرفی شده است. برای برازش و استنباط این مدل، روش تقریب لاپلاس آشیانی جمع‌بسته به کار گرفته شده است. برای ارزیابی عملکرد مدل پیشنهادی در مقایسه با مدل‌های سنتی پواسون و دوجمله‌ای منفی، از یک مطالعه شبیه‌سازی استفاده شده است. افزون بر این، کاربست مدل در تحلیل داده‌های سرطان خون در استان خراسان رضوی، نشان داده شده است.</div> <div style="text-align: justify;">Many of spatial-temporal data, particularly in medicine and disease mapping, are counts. Typically, these types of count data have extra variability that distrusts the classical Poisson model&#39;s performance. Therefore, incorporating this variability into the modeling process, plays an essential role in improving the efficiency of spatial-temporal data analysis. For this purpose, in this paper, a new Bayesian spatial-temporal model, called gamma count, with enough flexibility in modeling dispersion is introduced. For implementing statistical inference in the proposed model, the integrated nested Laplace approximation method is applied. A simulation study was performed to evaluate the performance of the proposed model compared to the traditional models. In addition, the application of the model has been demonstrated in analyzing leukemia data in Khorasan Razavi province, Iran.</div> اثر متقابل فضایی-زمانی, بیش‌پراکنش, توزیع پیشین با پیچیدگی تاوانیده, داده‌های شمارشی, مدل گامای شمارشی. Spatial-Temporal Interaction, Over-Dispersion, Penalized Complexity Prior, Count Data, Gamma Count Model. 275 301 http://jss.irstat.ir/browse.php?a_code=A-10-8-5&slc_lang=fa&sid=1 Mahsa Nadifar مهسا نادی فر mahsa.nst@gmail.com 10031947532846007403 10031947532846007403 No Faculty of Mathematical Sciences, Shahrood University of Technology, Iran. گروه آمار، دانشکده علوم ریاضی، دانشگاه صنعتی شاهرود Hossein Baghishani حسین باغیشنی hbaghishani@shahroodut.ac.ir 10031947532846007404 10031947532846007404 Yes Faculty of Mathematical Sciences, Shahrood University of Technology, Iran. گروه آمار، دانشکده علوم ریاضی، دانشگاه صنعتی شاهرود Afshin Fallah افشین فلاح fallah@ikiu.ac.ir 10031947532846007405 10031947532846007405 No Faculty of Science, Imam Khomeini International University, Qazvin, Iran. گروه آمار، دانشگاه بین‌المللی امام خمینی