面向小区域贫困研究不同推断目标的一般贝叶斯方法
应用统计
2018-12-18 v1 统计方法学
摘要
当各种贫困指标的空间分布被分解到城市、市镇或国家其他行政分区等小地理单元时,贫困制图对政策制定者和研究者最为有用。通常,包含收入与支出等福利变量的全国家庭调查对小区域提供有限或没有数据。众所周知,虽然直接调查加权估计对全国或大地理区域相当可靠,但对小地理区域并不可靠。若目标是寻找极端贫困区域,这些直接估计常会因估计值的高变异性而选中小区域。经验最佳预测与贝叶斯方法已被提出以改进直接点估计。然而,这些估计并不适用于不同的推断目的。例如,为识别极端贫困区域,这些估计常会选中样本量大的区域。本文利用智利政府小区域估计生产所用的数据库,阐明了如何发展恰当的贝叶斯方法以应对不同的推断问题。
引用
@article{arxiv.1812.06115,
title = {A General Bayesian Approach to Meet Different Inferential Goals in Poverty Research for Small Areas},
author = {Partha Lahiri and Jiraphan Suntornchost},
journal= {arXiv preprint arXiv:1812.06115},
year = {2018}
}