基于混合有序-连续结果的分布 copula 模型超越一维贫困分析
统计方法学
2020-09-09 v1 应用统计
摘要
贫困是一个多维概念，通常包含一个货币结果以及教育、主观幸福感或健康等其他以有序尺度衡量的福利维度。在应用研究中，多维贫困普遍通过在一元回归模型中独立研究各贫困维度，或将若干贫困维度合并为标量指数来评估。这阻碍了对贫困维度间潜在变化的相互依赖关系的深入分析。我们提出一种用于位置、尺度与形状的多变量 copula 广义可加模型（copula GAMLSS 或分布 copula 模型）以应对该挑战。通过将 copula 参数与协变量关联，我们具体考察了某些因素是否决定了贫困维度间的依赖关系。此外，通过指定完整的条件下二元分布，我们得以从同一模型 coherently 地为不同个体导出若干特征，如贫困风险与依赖度量。我们通过研究两个重要的贫困维度：收入与教育，来演示该方法。由于教育水平以有序尺度衡量而收入是连续的，我们将二元 copula GAMLSS 推广至混合有序-连续结果的情形。新模型已集成至 R 语言的 GJRM 包中，并应用于印度尼西亚的数据。我们特别关注收入-教育依赖关系的空间变异，以及同时在教育与收入维度上面临贫困风险的个体群体。
引用
@article{arxiv.2009.03646,
title = {Beyond unidimensional poverty analysis using distributional copula models for mixed ordered-continuous outcomes},
author = {Maike Hohberg and Francesco Donat and Giampiero Marra and Thomas Kneib},
journal= {arXiv preprint arXiv:2009.03646},
year = {2020}
}