基于调查数据预测小区域残疾计数的分层潜在类别模型
应用统计
2015-08-25 v1 统计方法学
摘要
本文利用意大利健康状况与医疗保障诉求调查的数据，研究重度残疾人数量的估计问题。残疾是通过一组分类项目间接测量的，这些项目调查了个人完成日常任务的一系列功能。潜在类别模型可用于根据与残疾相关的潜在变量的不同水平对人群进行分类。然而，该调查旨在提供行政区划（NUTS2级）层面的可靠估计，而地方当局则关注于量化次区域层面属于每个潜在类别的人口数量。因此，应采用小区域估计技术。本应用的挑战在于目标变量并非直接观测得到。我们采用完全贝叶斯方法，将小区域估计建立在一个潜在类别模型之上，其中属于每个潜在类别的概率随协变量变化，且年龄的影响通过惩罚样条从数据中学习。研究表明，Deimmler-Reisch基能改善用于模拟后验分布的MCMC链的速度和混合性能。
引用
@article{arxiv.1204.3993,
title = {A hierarchical latent class model for predicting disability small area counts from survey data},
author = {Enrico Fabrizi and Giorgio E. Montanari and Maria Giovanna Ranalli},
journal= {arXiv preprint arXiv:1204.3993},
year = {2015}
}