函数型数据的贝叶斯空间同质性追踪：以美国收入分配为例
应用统计
2021-06-15 v3 统计方法学
摘要
收入分配描述了一个实体的总财富如何在其人口中分配。区域经济学研究者关注的一个问题是理解不同地区间收入分配的空间同质性。在经济学中，洛伦兹曲线是广为人知的收入分布函数型表示。在本文中，我们在空间函数型数据分析背景下提出有限混合模型（MFM）以及马尔可夫随机场约束有限混合模型（MRFC-MFM），以捕捉洛伦兹曲线的空间同质性。我们设计了高效的马尔可夫链蒙特卡洛（MCMC）算法，以同时推断空间函数型数据的簇数后验分布与聚类配置。我们进行了广泛的模拟研究，以展示所提方法相较于现有方法的有效性。我们将提出的空间函数型聚类方法应用于来自美国社区调查公共使用微观数据样本（PUMS）数据的州级收入洛伦兹曲线。结果揭示了美国州级收入分配的若干重要聚类模式。
引用
@article{arxiv.2002.06663,
title = {Bayesian Spatial Homogeneity Pursuit of Functional Data: an Application to the U.S. Income Distribution},
author = {Guanyu Hu and Junxian Geng and Yishu Xue and Huiyan Sang},
journal= {arXiv preprint arXiv:2002.06663},
year = {2021}
}