用于信息性抽样下调查数据的贝叶斯函数型数据模型及在基于NHANES的死亡率估计中的应用
统计方法学
2020-11-09 v1 应用统计
摘要
函数型数据通常极高维且表现出强依赖结构，但往往对预测与推断都极具价值。函数型数据分析的文献已相当成熟；然而，涉及复杂调查设定下函数型数据的工作极少。受美国国家健康与营养检查调查(NHANES)中体力活动监测数据的启发，我们开发了一个能恰当考虑调查设计的函数型协变量贝叶斯模型。我们的方法面向非高斯数据，并可应用于多变量设定。此外，我们运用了多种贝叶斯建模技术以确保模型在计算上高效拟合。我们通过实证模拟研究以及基于NHANES数据的死亡率估计实例说明了本方法的价值。
引用
@article{arxiv.2011.03515,
title = {A Bayesian Functional Data Model for Surveys Collected under Informative Sampling with Application to Mortality Estimation using NHANES},
author = {Paul A. Parker and Scott H. Holan},
journal= {arXiv preprint arXiv:2011.03515},
year = {2020}
}