基于贝叶斯方法的分类人口普查数据的单位层级模型

分类响应数据在复杂人口普查应用中屡见不鲜，但鲜有方法能建模当响应变量为序数时不同结果类别之间的依赖性。同样，几乎没有方法适用于 longitudinal 设计与分类数据相结合的常见情况。通过在单位层级建模个人调查响应，可以捕捉序数响应中包含的排序信息以及任何 longitudinal 相关性。然而，在单位层级情境下， accounting for complex survey design 变得更加困难。我们提出了一种贝叶斯分层、单位层级、面向分类数据的模型方法，能够捕捉响应类别之间的排序关系，可包含 longitudinal 依赖性，并且能够 account for survey design。为处理计算可扩展性，我们发展了高效的 Gibbs 抽样器，配合适当的数据增强，以及变分贝叶斯算法。我们利用来自 Household Pulse Survey 的公开微数据，提供了一种关于疫情初期焦虑症状频率的序数响应分析。我们比较了 design-based 和 model-based 估计器，证明了所提出方法的优势。