貝葉斯時空變係數（Bayesian Spatiotemporally Varying Coefficients，Bayesian STVC）模型是貝葉斯統計體系下的一類局域時空回歸模型，旨在同時探測多個解釋變數對目標變數的時空異質性影響，也就是在擬合目標變數與解釋變數之間關係時，考慮地理現象中存在的時空非平穩性（spatiotemporal non-stationarity）。
在健康地理領域，貝葉斯STVC模型已被成功用於探測縣級水平上中國兒童手足口傳染病發生風險與多種氣象因子的關聯，以及縣級水平上中國醫療資源公平性與社會經濟和環境因子之間的關聯。在這些套用中，STVC模型不僅具備局域時空解釋能力，同時表現出較好的模型擬合度與預測效果。
基本介紹
定義,原理,產品特點,套用,
定義
貝葉斯時空變係數（Bayesian Spatiotemporally Varying Coefficients，Bayesian STVC）模型是貝葉斯統計體系下的一類局域時空回歸模型，旨在同時探測多個解釋變數對目標變數的時空異質性影響，也就是在擬合目標變數與解釋變數之間關係時，考慮地理現象中存在的時空非平穩性（spatiotemporal non-stationarity）。
原理
貝葉斯STVC模型採用了一種時空獨立的非平穩假設，即通過分開考慮空間自相關和時間自相關的先驗設定，分別估算解釋變數後驗的局域空間和時間回歸係數集合，旨在直接定量刻畫變數關係在時間和空間尺度的結構化異質性變化規律。
一個基本的貝葉斯STVC模型體現了貝葉斯層次建模（Bayesian Hierarchical Modeling, BHM）的三個層次思想（圖1）。
圖1. 貝葉斯STVC模型建模原理
產品特點
貝葉斯STVC模型的特色主要包括：STVC基於時空獨立非平穩性的假設，藉助全地圖BHM建模優勢，可直接輸出考慮空間自相關（條件自回歸，CAR先驗）和時間自相關（隨機遊動，RW先驗）效應的局域空間回歸係數（Space-Coefficients, SC）與局域時間回歸係數（Time-Coefficients, TC）以及它們的貝葉斯置信區間（Credible Interval），用於定量探測與全面描述時空非平穩性，且無需時空係數再分析。STVC的局域時空回歸建模思想不僅大幅降低了模型複雜度，並由此減小了貝葉斯推斷的計算負擔，提高了其套用於地理時空大數據時的計算可行性和算法可塑性，同時增強了它對複雜時空變數關係的直觀解釋能力，方便用戶挖掘現象背後的時空作用機理與回響機制。此外，STVC是一類可同時探測解釋變數的全局平穩性和局域時空非平穩性的混合模型。
套用
在健康地理交叉學科領域，貝葉斯STVC模型已被用於探測縣級水平上中國兒童手足口傳染病發生風險與多種氣象因子的關聯（圖2），以及縣級水平上中國醫療資源公平性與社會經濟和環境因子之間的關聯（圖3）。在這些套用中，STVC模型不僅具備局域時空解釋能力，同時表現出較好的模型擬合度與預測效果。
圖2. 探測手足口病發生風險與典型氣象因子的時空關聯
圖3. 探測醫療資源與社會經濟的時空關聯
方法提出科研團隊基於shiny開發了STVCapp工具的時空可視化模組，結合健康地理學的實際案例展示貝葉斯STVC的建模過程，用戶使用瀏覽器即可使用（圖4）。STVCapp可以幫助用戶更好理解STVC的建模原理與輸出。
圖4. STVCapp：貝葉斯STVC建模web工具
了解更多貝葉斯STVC模型信息，可訪問其主頁。
