疾病地图经常应用于疾病地理分布的研究,构成疾病地图的数据通常是计数型数据。几十年来,统计工作者对疾病风险的空间差异模型进行了深入细致的研究,无论在理论上还是应用上,都取得了许多优秀成果。由于相邻的区域之间,疾病相对风险比较相似,通常使用随机效应模型的方法,通过向相邻的区域借力来估计区域相对风险,这样可以使估计值更为稳定。为进一步研究空间疾病风险的差异程度,我们提出了新的疾病风险结构模型。论文的结构安排如下:首先,介绍了空间统计的概况,回顾了疾病地图在空间流行病学上的发展历史,并结合论文的内容,给出了一些相关的基本概念及方法。其次,我们提出了一个构建相关结构模型的新方法,将离散的区域疾病风险连续化,把区域总体的风险视为一个连续的风险曲面,这样我们不仅可以估计每个区域个体的相对风险,还可以估计区域总体的疾病风险。同时,出于方便计算的考虑,论文对区域相对风险的分布函数进行了近似分析。再次,我们结合随机效应方法及回归模型的有关应用,建立了非空间和空间的疾病风险模型,分别给出了Possion-lognormal模型和联合模型,并针对先验分布函数的选择进行比较分析。最后,为验证模型准确性和稳定性,我们借助Matlab软件对提出的模型进行模拟检验。在模拟实验中,使用了MCMC方法进行相关的随机抽样。