健康体检调查中非随机缺失数据的贝叶斯模型
统计方法学
2017-08-29 v2 应用统计
摘要
在流行病学调查中，由调查无应答导致的非随机缺失(MNAR)数据可能引起危险因素估计的偏差。我们提出了一种基于贝叶斯数据扩充和生存建模的方法，以减少无应答偏差。该方法需要基于随访数据的额外信息。我们展示了一个使用 1972 年至 2007 年间收集并随访至 2012 年底的 FINRISK 数据的吸烟患病率案例研究，并将其与其他常用的随机缺失(MAR)插补方法进行了比较。通过模拟实验研究了这些方法的有效性。我们的方法似乎大幅减少了无应答偏差，而 MAR 插补在偏差减少方面并不成功。
引用
@article{arxiv.1610.03687,
title = {Bayesian models for data missing not at random in health examination surveys},
author = {Juho Kopra and Juha Karvanen and Tommi Härkänen},
journal= {arXiv preprint arXiv:1610.03687},
year = {2017}
}
备注
19 pages, 2 figures