彭娟，骆福添(中山大学公共卫生学院，广州510080)

    成本-效果估计不可避免地含有不确定性，包括来自成本的或效果的。与成本-效果的点估计和区间估计相比，成本-效果可接受曲线(CEAC)是一种直观地描绘成本-效果估计中不确定性的绘图方法。然而，传统方法在该曲线的解释上比较牵强，使得贝叶斯方法在成本-效果分析中得到广泛应用。尽管该方法在国外的研究和应用已相对较多，但在国内的研究却很少。在中国知网、万方数据库等搜索，只有几篇介绍该方法的文章。张玉哲等[1]介绍贝叶斯法可利用先验信息进行推测，可在理论上准确地提供增量成本-效果比、CEAC、净货币收益的概率阐述；吴晶等[2]给出了CEAC的计算方法，但如何实现CEAC，特别是在贝叶斯框架下如何实现CEAC并未讨论。因此，CEAC如何绘制、为什么要采用贝叶斯方法来绘制等问题亟待解决。本文就贝叶斯方法的优势、在贝叶斯回归框架下如何绘制CEAC作了深入探讨，同时比较了在不同先验信息下CEAC的区别。文章分析基于模拟实验，模拟实验利用R与Openbugs软件实现。

    1 贝叶斯方法的优势

    从贝叶斯估计来讲，在获得样本之前，有一部分经验的、历史的信息称为先验信息。贝叶斯参数的后验分布其实就是似然函数和先验分布的乘积。而贝叶斯估计是通过后验分布得到的。因此，在无先验信息或弱先验信息(参数几乎等概率的在取值范围内取值)下，贝叶斯估计应该与极大似然估计一致。当先验分布有效利用了先验信息时，贝叶斯估计应该更加准确，抽样随机性影响更小。从贝叶斯区间估计来讲，贝叶斯方法假设参数是随机的，可计算出该参数落入任一子域内的概率；对给定概率，可找到一些区域，贝叶斯区间选择使得该区域上的后验密度值不少于相同概率下其他区域上的值，也就是最高后验密度的区域即相同概率下最短的区域。由此得到的区间可解释为该参数落入其中的概率为1-α ......