基于贝叶斯模型校正调查数据中的应答偏差以估计 NCVS 强奸与家庭暴力率

由于强奸和家庭暴力这类犯罪的敏感性，很难准确估计其发生率。有证据表明，从调查数据中估计犯罪率时可能产生偏差，原因是一些女性受访者在通过电话而非个人访谈接受调查时，以及在访谈期间有配偶在场的情况下，对某些类型的犯罪报告受到“噤声”。另一方面，由于这些犯罪数据每年都在收集，如果能够识别并利用以往数据中的信息，数据分析将更为高效。本文提出一个模型，通过考虑由“噤声”因素引起的应答偏差，来调整强奸和家庭暴力率的估计值。为估计模型中的参数，我们识别出对时间不敏感的信息并将其纳入先验分布。贝叶斯估计量的优势在于能够以合理的方式结合长期观测记录中的信息。在贝叶斯框架内，我们开发了一种用于列联表分析的期望最大化-贝叶斯（EMB）算法，并应用刀切法来估计估计值的准确性。我们使用来自全国犯罪受害调查（NCVS）的年度犯罪数据对所提方法进行了说明。结果表明，与经典方法相比，我们的模型实现了更高效的估计，且不需要更复杂的计算。