一种用于估计不确定性与构建 2020 年人口普查统计量置信区间的近似蒙特卡洛模拟方法
统计方法学
2025-03-26 v1
摘要
为保护 2020 年人口普查的机密性，美国人口普查局采用了基于差分隐私原则的统计披露限制框架。其中一个关键组件是 TopDown 算法，该算法对来自机密 2020 年人口普查数据的大量计数序列应用了差分隐私噪声，并将产生的噪声测量结果转换为受隐私保护的微观数据，随后将其制表以生成官方数据产品。尽管代码库已公开，但目前尚无方法能够估计已发布数据产品中所包含统计量的不确定性，且该方法需同时考虑噪声测量结果和 TopDown 算法内执行的后处理过程。我们提出了一种近似蒙特卡洛模拟方法，允许估计均方误差、偏差和方差等统计量，并构建置信区间。该方法使用 TopDown 算法生产迭代的输出作为额外迭代的输入，从而在不影响 2020 年人口普查正式隐私保护的情况下估计统计量。结果表明，总体而言，这种近似方法估计的量与其预期目标高度吻合，且所得的置信区间在统计上是有效的。
引用
@article{arxiv.2503.19714,
title = {An Approximate Monte Carlo Simulation Method for Estimating Uncertainty and Constructing Confidence Intervals for 2020 Census Statistics},
author = {Robert Ashmead and Michael B. Hawes and Mary Pritts and Pavel Zhuravlev and Sallie Ann Keller},
journal= {arXiv preprint arXiv:2503.19714},
year = {2025}
}