预测未就业、未受教育或培训（NEET）青年的贝叶斯方法
应用统计
2016-12-08 v2
摘要
本文提出一种贝叶斯方法，用于预测并识别最影响个体落入未就业、未受教育或培训（NEET）类别倾向的因素。该方法将协变量划分为两组：那些可能因干预策略而改变的和那些必须被控制的。这种划分使我们能够开发模型并在控制协变量条件下识别重要因素，这对于希望确定潜在干预策略的临床医生和政策制定者很有用。使用 O'Dea (2014) 获得的数据，我们将该方法的结果与 O'Dea (2014) 的结果以及使用 Lamnisos (2009) 的贝叶斯变量选择过程（当协变量未被划分时）获得的结果进行比较。我们发现预测因子的相对重要性因控制协变量不同而有很大差异。这在决定何种干预最能有效防止年轻人成为 NEET 时具有巨大影响。
引用
@article{arxiv.1612.00520,
title = {A Bayesian Approach to Predicting Disengaged Youth},
author = {David Kohn and Sally Cripps and Nick Glozier and Hugh Durrant-Whyte},
journal= {arXiv preprint arXiv:1612.00520},
year = {2016}
}
备注
5 pages, 2 figures, 2 tables, NIPS 2016 Workshop on Machine Learning for Health