一种考虑美国社区调查、人口估计项目和十年普查数据来源特定方法的贝叶斯分层小区域人口模型
统计方法学
2021-12-21 v1
摘要
小区域人口估计对许多流行病学研究是必要的，但其质量与准确性往往未受评估。在美国，小区域人口计数由美国人口普查局（USCB）以十年普查计数、普查间人口预测（PEP）和美国社区调查（ACS）估计的形式发布。尽管这些数据来源之间存在显著关联，其在数据收集与处理方法学上存在重要差异，使得每组估计可能承受不同来源与量级误差。此外，由于各数据来源特定的调查后调整，这些数据来源报告的小区域人口计数并不一致。所得小区域疾病/死亡率可能因用作人口计数（分母数据）的数据来源不同而异。为准确捕捉年度小区域人口计数及相关不确定性，我们提出一个贝叶斯人口模型（B-Pop），其融合全部三个USCB来源的信息，并考虑数据来源特定的方法学及关联误差。我们框架的主要特征为：1）整合多数据源的单一模型；2）考虑数据来源特定的数据生成机制，并具体考虑数据来源特定误差；3）对无USCB报告数据的年份进行估计预测。我们的研究聚焦于佐治亚州159个县，并给出2005–2021年的估计。
引用
@article{arxiv.2112.09813,
title = {A Bayesian hierarchical small-area population model accounting for data source specific methodologies from American Community Survey, Population Estimates Program, and Decennial Census data},
author = {Emily N Peterson and Rachel C Nethery and Tullia Padellini and Jarvis T Chen and Brent A Coull and Frederic B Piel and Jon Wakefield and Marta Blangiardo and Lance A Waller},
journal= {arXiv preprint arXiv:2112.09813},
year = {2021}
}