در این مقله تحلیل رگرسیونی با متغیر پاسخ دارای توزیع پواسون دو متغیره آمیخته با رهیافت بیزی مورد بررسی قرار گرفته است. نشان داده شده است که به دلیل شکل پیچیده تابع درستنمایی مبتنی بر توزیع پواسون دو متغیره، توزیع پسین فاقد شکل بسته بوده و پیچیده است. از این رو، توزیع های پسین شرطی کامل پارامترها محاسبه و الگوریتم گیبز برای نمونه گیری از توزیع پسین ارائه شده است. به منظور ارزیابی مدل بیزی پیشنهادی، مطالعه ای شبیه سازی انجام شده و کارای برآوردگرهای بیزی پیشنهادی برای پارامترهای مدل با همتای لسامدی آن ها مقایسه شده است. همچنین نحو کاربست رهیافت بیزی پیشنهادی در قالب یک مثال کاربردی شرح داده شده  و کارایی آن مورد ارزیابی قرار گرفته است.

بسیاری از داده‌های فضایی-زمانی، به‌ویژه در پزشکی و تصویرسازی بیماری‌ها، شمارشی هستند. معمولا این نوع داده‌های شمارشی دارای تغییرپذیری مضاعفی هستند که کارایی مدل پواسون را برای تحلیل آن‌ها خدشه‌دار می‌کند. لحاظ کردن این تغییرپذیری در فرآیند مدل‌بندی، نقش مهمی در افزایش کارایی تحلیل داده‌های فضایی-زمانی شمارشی دارد. با این هدف، در این مقاله، یک مدل فضایی-زمانی بیزی جدید با انعطاف بالا برای مدل‌بندی پراکنش داده‌ها، به نام گامای شمارشی، معرفی شده است. برای برازش و استنباط این مدل، روش تقریب لاپلاس آشیانی جمع‌بسته به کار گرفته شده است. برای ارزیابی عملکرد مدل پیشنهادی در مقایسه با مدل‌های سنتی پواسون و دوجمله‌ای منفی، از یک مطالعه شبیه‌سازی استفاده شده است. افزون بر این، کاربست مدل در تحلیل داده‌های سرطان خون در استان خراسان رضوی، نشان داده شده است.