面向复杂调查的贝叶斯刀切经验似然方法
统计方法学
2023-09-14 v1
摘要
我们引入一种称为贝叶斯刀切经验似然（Bayesian Jackknife empirical likelihood）的新方法，用于分析从各种不等概率抽样设计获得的调查数据。该方法特别适用于由 U 统计量描述的参数。理论证明表明，在非信息先验下，贝叶斯刀切伪经验似然比统计量渐近收敛于正态分布。该统计量可有效用于构建复杂调查样本的置信区间。在本文中，我们研究了多种情形，包括辅助信息的有无以及设计权重或校准权重的使用。我们进行数值研究以评估贝叶斯刀切伪经验似然比置信区间的表现，重点关注覆盖概率与尾误差率。我们的发现表明，所提方法优于仅基于刀切伪经验似然的方法，弥补了其局限性。
引用
@article{arxiv.2309.06781,
title = {Bayesian jackknife empirical likelihood with complex surveys},
author = {Mengdong Shang and Xia Chen},
journal= {arXiv preprint arXiv:2309.06781},
year = {2023}
}