Fay-Herriot模型的双组分正态混合替代模型
统计方法学
2015-10-26 v2
摘要
本文考虑了一种稳健的贝叶斯分层方法，用于处理小区域均值的随机效应中部分效应取极值从而产生异常值的情况。在存在异常值时，用于建模区域级数据的标准Fay-Herriot模型，在随机效应正态性假设下可能高估随机效应方差，从而提供相对于综合回归预测不太理想的收缩，并阻碍信息借用。即便少量具有实质影响的随机效应异常值，也会在Fay-Herriot模型中导致随机效应方差的大估计值，因而对任何小区域而言，相对于模型综合部分几乎无法实现收缩，或与常规贝叶斯估计量相关的后验方差几乎未减小。虽然已知随机效应的具有已知混合分布的正态尺度混合分布在存在异常值时有效，但该解依赖于混合分布。作为该问题的一个可能替代方案，提出了一种双组分正态混合模型，其对模型方差参数、回归系数和混合概率采用无信息先验。基于真实、模拟和合成数据的分析与模拟研究表明，所提方法相对于在随机效应正态性下导出的标准贝叶斯Fay-Herriot解具有优势。
引用
@article{arxiv.1510.04482,
title = {A two-component normal mixture alternative to the Fay-Herriot model},
author = {Adrijo Chakraborty and Gauri Sankar Datta and Abhyuday Mandal},
journal= {arXiv preprint arXiv:1510.04482},
year = {2015}
}