我在 GeoBugs 中有一个逻辑回归模型来估计疾病流行的预测因子。谁能告诉我是否有一种简单的方法来确定 spatial.exp 的 phi 的下限和上限。
这是模型的一部分：
Infected[i] ~ dbin(p[i], tested[i])
logit(p[i]) <- alpha + beta1*covar1[i] + beta2*covar2[i] + u[i]
mu[i] <- 0
u[1:N] ~ spatial.exp(mu[], x[], y[], tau, phi, 1)
这就是我指定先验的方式：
phi ~ dunif(0.25, 20)
目前我的选择是任意的。GeoBugs 手册仅说分布的界限由数据决定。
我想知道的是选择值的最佳方法的虚拟版本。
我自己已经解决了这个问题。phi 的下限可以从
-ln(0.5)/(max separating distance between points)
为了找到最大分离距离，我在 R 中使用了以下代码。我的数据位于一个平面文件中，其中 x 和 y 坐标分别重命名为 long 和 lat：
data <- read.csv(file="file.csv", header=T, sep=",")
coords <- data.frame(data$long,data$lat)
library(sp)
pointDist <- apply(coords, 1, function(eachPoint) spDistsN1(as.matrix(coords), eachPoint, longlat=TRUE))
distances <- as.vector(pointDist)
max(distances)