A. Urdangarin Iztueta, T. Goicoa Mangado, T. Kneib, M. Ugarte Martínez

Spatial confounding is generally understood as the difficulty to dissociate fixed and random effects in spatial models. The issue is relevant as fixed effects estimates may present large biases and high standard errors. Overcoming spatial confounding is crucial in areas such as spatial epidemiology where detecting risks factors is one of the main objectives. There are different proposals in the literature to deal with spatial confounding in univariate spatial models, but no solution is conclusive. In a multivariate framework, the problem is even more challenging as covariates can affect the responses differently. Here, we introduce a modified spatial+ procedure that partitions the covariate into two components to capture large- and small-scale spatial dependence. To illustrate the methodology, we jointly analyse two types of crimes against women in Uttar Pradesh, India.

Palabras clave: crimes against women, multivariate disease mapping, spatial confounding,

Programado

Estadística Espacio-Temporal I
11 de junio de 2025  15:30
MR 3


Otros trabajos en la misma sesión


Política de cookies

Usamos cookies solamente para poder idenfiticarte y autenticarte dentro del sitio web. Son necesarias para el correcto funcionamiento del mismo y por tanto no pueden ser desactivadas. Si continúas navegando estás dando tu consentimiento para su aceptación, así como la de nuestra Política de Privacidad.

Adicionalmente, utilizamos Google Analytics para analizar el tráfico del sitio web. Ellos almacenan cookies también, y puedes aceptarlas o rechazarlas en los botones de más abajo.

Aquí puedes ver más detalles de nuestra Política de Cookies y nuestra Política de Privacidad.