用于比较聚类多元社会经济结果的基于秩的信息融合框架
应用统计
2026-04-02 v1
摘要
我们提出了一种多变量、无分布假设的排序框架，用于跨组比较聚类的相关结果，其动机来源于利用县级社会经济数据评估州级政策环境。使用2019-2023年汇总的美国县级数据，我们研究了经济福祉的多个维度，包括贫困、收入不平等、住房成本负担、医疗成本和人均收入，其空间分辨率比政策本身更细。我们未依赖参数回归模型，而是采用源自纵向秩和检验（Longitudinal Rank-Sum Test, LRST）的基于秩的聚合算法，该算法将聚类视为独立单元并通过顺序统计量跨结果聚合信息。该方法提供了一种稳健、可解释的总体比较，能够容纳聚类内依赖和高维结果结构而不做分布假设。应用于有/无可退还劳动所得税抵免（Earned Income Tax Credit, EITC）政策的州的比较，该方法揭示了县级结果联合排序中的系统性差异，结果在县级随机重复抽样和不同聚类规模下保持稳定。虽然实证分析是描述性的而非因果性的，但本研究突出了基于秩的多准则聚合方法作为分析政策和社交系统中复杂聚类数据的计算智能工具的广泛效用。
引用
@article{arxiv.2604.00330,
title = {A Rank-Based Information Fusion Framework for Comparing Clustered Multivariate Socioeconomic Outcomes},
author = {Dhrubajyoti Ghosh},
journal= {arXiv preprint arXiv:2604.00330},
year = {2026}
}
备注
This manuscript has been accepted for publication at the 2026 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE). The final published version will be available via IEEE Xplore