评估非概率样本回归系数估计中的选择偏差——以遗传学与人口调查中的应用为例
统计方法学
2021-03-09 v4 应用统计
摘要
对于基于无明确定义概率抽样机制的样本推断科学关注的关系，选择偏差是一个严重的潜在问题。受以下两方面潜在选择偏差的启发：(a) 志愿者遗传研究中多基因评分 (PGSs) 与表型估计关系，以及 (b) 智能手机用户调查中子组均值估计差异，我们推导了在非概率样本上拟合线性和 probit 回归模型时系数估计的选择偏差新度量，前提是所选样本与目标总体均可获得聚合层面辅助数据。这些度量源于正态模式混合模型，使分析人员能够检验其推断对这些样本中不可忽略选择假设的敏感性。我们在模拟研究中考察了所提度量的有效性，随后用其量化了 (a) 通过 Facebook 招募的大型志愿者研究中估计的 PGS-表型关系，以及 (b) 低教育程度智能手机用户非概率样本中估计的过去一年平均就业时长子组差异中的选择偏差。我们利用大型概率样本的基准估计评估了这些度量在应用中的表现。
引用
@article{arxiv.2004.06139,
title = {Assessing Selection Bias in Regression Coefficients Estimated from Non-Probability Samples, with Applications to Genetics and Demographic Surveys},
author = {Brady T. West and Roderick J. A. Little and Rebecca R. Andridge and Philip S. Boonstra and Erin B. Ware and Anita Pandit and Fernanda Alvarado-Leiton},
journal= {arXiv preprint arXiv:2004.06139},
year = {2021}
}
备注
29 pages, 4 figures, 2 tables, supplementary material