基于判断事后分层的有序总体分析

在需要成本效益的调查中，例如医学研究，测量感兴趣变量（如疾病状态）是昂贵和/或耗时的；然而，我们常能获得关于抽样单元的易于获取的特征。这些特征通常在数据收集过程中未被利用。判断事后分层（JPS）抽样使我们能够用这些特征作为排序信息来补充来自感兴趣总体的随机样本。在本文中，我们基于 JPS 样本开发了用于分类有序总体估计的方法。我们开发了基于 JPS 数据的各种估计量，甚至适用于 JPS 存在空层的情况。我们还提出了使用多种排序资源的 JPS 估计量。通过广泛的数值研究，我们评估了这些方法在总体估计中的表现。最后，将所开发的估计方法应用于骨矿物质数据，以估计 50 岁及以上女性的骨疾病状态。