计数型调查数据的贝叶斯空间支持变更
应用统计
2014-10-29 v2
摘要
我们提出了一种针对已知调查方差的计数型调查数据的贝叶斯空间支持变更（spatial change of support）方法。我们的方法灵感来源于美国人口普查局（U.S. Census Bureau）实施的美国社区调查（American Community Survey, ACS），该调查提供关于几个关键人口统计变量的及时信息。具体而言，ACS 针对美国境内预定义地理区域记录的人口统计和社会经济变量，生成 1 年、3 年和 5 年的“时期估计值”及其相应的误差幅度。尽管这些预定义地理区域可用，但数据用户往往希望指定自定义的空间支持。特别是，能够“实时”估计定义在“新”空间支持上的人口统计变量非常有用。这个问题被称为空间支持变更（COS），通常是在假设数据服从高斯分布的前提下进行的。然而，计数型调查数据本质上是非高斯的，因此，我们考虑使用泊松分布对这些数据进行建模。此外，调查数据通常伴有误差估计，我们将这些误差纳入分析中。我们将小区域内的泊松计数型数据解释为来自空间点过程的事件聚合。这种方法为我们提供了必要的灵活性，使 ACS 用户能够“实时”考虑各种空间支持。我们通过一个模拟示例以及使用公开 ACS 数据的分析，展示了我们方法的有效性。
引用
@article{arxiv.1405.7227,
title = {Bayesian Spatial Change of Support for Count-Valued Survey Data},
author = {Jonathan R. Bradley and Christopher K. Wikle and Scott H. Holan},
journal= {arXiv preprint arXiv:1405.7227},
year = {2014}
}