论文研究了疾病数据的空间分布模型,在研究这一问题常用的条件自回归模型的基础上,将其与广义线性回归模型相结合,并由过去只研究单种疾病,发展到研究两种以上疾病在空间中的分布关系。Jin等人在2005年介绍了一种更加灵活的广义多元条件自回归模型,并运用贝叶斯的方法进行参数估计。在本文中,我们在Jin等人的研究基础上,使用分层贝叶斯的计算方法对模型进行迭代,从而计算出各个参数。在第1节与第2节,论文介绍了空间自相关性理论,因为证明数据是空间相关的是我们研究空间统计的前提,介绍了多变量条件自回归(MCAR)模型,并将其与线性模型结合,扩展至广义空间线性混合模型。在第三节进行模型的模拟工作,对多元条件自回归模型与广义线性模型的混合模型进行模拟检测,证明模型是合理且可用于实例分析。在实例分析部分,论文利用了《中国肿瘤登记地区2008年恶性肿瘤发病和死亡分析》所提供的数据,通过Moran’s I指数证明了肿瘤发病与死亡数据都具有有空间相关性的,根据Local Moran’s I值、Z得分确定了每个区域的空间聚集类型,即高高,低低,高低,低高,并对一些特定地区进行分析。论文选用了代表性比较强胃癌和食道癌进行分析,利用Openbugs软件在迭代5万次之后使所有主要参数均尾部均达到平稳,由结果可以得出,这两种疾病都具有较强的空间相关度,并且两种疾病在空间上有微弱的正向关系,即胃癌在空间上对肝脏癌存在一个正向的促进效应。