结合多数据源的贝叶斯分层建模方法：规模估计案例研究
应用统计
2021-07-14 v2
摘要
为有效抗击HIV/AIDS大流行，针对某些关键人群的定向干预起着关键作用。此类关键人群的例子包括性工作者、注射毒品者和男男性行为者。虽然准确估计这些关键人群的规模十分重要，但任何直接联系或清点这些人群成员的尝试都十分困难。因此，采用间接方法产生规模估计。已提出多种估计此类人群规模的方法，但常给出相互冲突的结果。因此，有必要以一种有原则的方式合并和调和这些估计。为此，我们提出一种贝叶斯分层模型，用于估计关键人群规模，该模型结合了来自不同信息源的多个估计。所提模型利用了多年的数据，并显式地对所用数据源中的系统误差进行建模。我们使用该模型估计乌克兰注射毒品者的规模。我们评估了模型的适用性，并比较了每个数据源对最终估计的贡献。
引用
@article{arxiv.2012.05346,
title = {A Bayesian hierarchical modeling approach to combining multiple data sources: A case study in size estimation},
author = {Jacob Parsons and Xiaoyue Niu and Le Bao},
journal= {arXiv preprint arXiv:2012.05346},
year = {2021}
}