Bayes-raking：具有已知边缘的贝叶斯有限总体推断
统计方法学
2020-06-24 v4 统计计算
摘要
Raking（迭代比例拟合）广泛用于分类数据建模与调查实践，但面临方法与计算挑战。我们通过两种主要策略将边缘约束作为先验分布引入，发展了raking的贝叶斯范式：1）通过基函数或投影矩阵构造解子空间；2）对软约束建模。所提出的Bayes-raking估计将边缘、样本选择与响应机制以及结果模型相整合，能够传播所有不确定性来源。计算通过Stan完成，代码已公开可用。模拟研究表明，Bayes-raking在大样本下表现与raking相当，并在有效性与效率增益方面更优，尤其在稀疏列联表或相关raking因子时。我们将新方法应用于福祉纵向研究（Longitudinal Study of Wellbeing），证明基于模型的方法作为统一调查推断框架显著提升了推断可靠性与实质性发现。
引用
@article{arxiv.1901.02117,
title = {Bayes-raking: Bayesian Finite Population Inference with Known Margins},
author = {Yajuan Si and Peigen Zhou},
journal= {arXiv preprint arXiv:1901.02117},
year = {2020}
}