大学校园性侵犯报告不足的贝叶斯模型
应用统计
2024-12-03 v1
摘要
为量化和应对性侵犯事件，美国大学和大学必须每年披露校园上报告的性侵犯事件数量。然而，许多性侵犯事件从未被报告给当局，因此所报告的侵犯次数并不完全反映实际发生的总事件数量；所报告的值可能来自许多不同的报告率和真实发病率的组合。本文通过对报告的性侵犯事件数量构建的分层贝叶斯模型来估计这些底层数量。我们使用基于全国犯罪统计数据的信息性先验，以充当区分报告率和发病率的决定因素。我们概述了一种针对每个学校的报告率和性侵犯发病率进行后推推断的哈密顿Monte Carlo (HMC)抽样方案，并将其应用于 2014-2019 年的校园性侵犯数据。结果表明，该期间整体大学人群的报告率呈上升趋势。然而，报告不足的程度在各校之间差异很大。这一差异对各校如何解释其报告犯罪统计数据有着启示。
关键词
引用
@article{arxiv.2412.00823,
title = {A Bayesian Model of Underreporting for Sexual Assault on College Campuses},
author = {Casey Bradshaw and David M. Blei},
journal= {arXiv preprint arXiv:2412.00823},
year = {2024}
}