用于人口率小区域估计的空间方差平滑面积层模型
统计方法学
2022-09-07 v1
摘要
准确的次国家级健康与人口指标估计对于指导卫生政策决策至关重要。许多国家使用复杂的家庭调查收集相关数据，但当数据有限时，小区域比例的直接调查加权估计可能不可靠。将这类直接估计视为响应数据的面积层模型可提高精度，但通常需要所有区域直接估计量的已知抽样方差。在实践中，抽样方差通常为估计值，因此标准方法未考虑这一关键的不确定性来源。为考虑估计抽样方差中的变异性，我们提出一种分层贝叶斯空间面积层模型，该模型对估计均值与抽样方差均进行平滑，以产生小区域比例的点估计与区间估计。我们的模型明确针对小区域比例的估计，而非连续变量的均值，并考虑了中等与低流行度事件两类示例。我们通过模拟以及将模型应用于人口与健康调查（Demographic and Health Surveys）中的疫苗接种覆盖率和 HIV 患病率数据，展示了所提方法的性能。
引用
@article{arxiv.2209.02602,
title = {A spatial variance-smoothing area level model for small area estimation of demographic rates},
author = {Peter A. Gao and Jon Wakefield},
journal= {arXiv preprint arXiv:2209.02602},
year = {2022}
}