营养流行病学中零膨胀数据的贝叶斯Copula密度反卷积
统计方法学
2019-12-12 v1
摘要
估计不同膳食成分长期平均摄入量的边际与联合密度是营养流行病学中的一个重要问题。由于这些变量无法直接测量，数据通常以24小时膳食回顾的形式收集，其表现出显著的条件异方差模式。更为复杂的是，对于间歇性消费的膳食成分，其回顾数据还包含确切的零值。因此，从受测量误差污染的观测代理变量估计潜在长期摄入量的密度，成为一个带有零膨胀数据的密度反卷积问题。我们基于一个将问题转化为仅涉及连续替代变量的新颖分层潜变量框架，提出了一种贝叶斯半参数解法。为妥善应对该问题的关键方面，我们随后设计了一种基于copula的方法来建模所涉及的联合分布，并对不同膳食成分的边际采用不同的建模策略。我们设计了高效的马尔可夫链蒙特卡洛算法用于后验推断，并通过模拟实验说明了所提方法的有效性。应用于我们的动机性营养流行病学问题，与其他方法相比，我们的方法对间歇性消费膳食成分的消费模式提供了更真实的估计。
引用
@article{arxiv.1912.05084,
title = {Bayesian Copula Density Deconvolution for Zero-Inflated Data in Nutritional Epidemiology},
author = {Abhra Sarkar and Debdeep Pati and Bani K. Mallick and Raymond J. Carroll},
journal= {arXiv preprint arXiv:1912.05084},
year = {2019}
}