用于纠正测量误差的数据融合
统计方法学
2016-10-04 v1 应用统计
摘要
在调查中，关键项目通常存在测量误差。仅给定数据，很难确定该误差过程的分布，因此也很难获得涉及易错变量的准确推断。然而，在某些情况下，分析人员可以获取包含不同个体易错调查项目高质量测量的数据源。我们提出了一种数据融合框架，以利用这些信息来改善易错调查中的推断。基本思想是设定关于个体犯错率的模型，并结合对发生错误时所报告数值的模型。这可以避免数据融合中通常使用的条件独立性这一不切实际的假设。我们将该方法应用于美国社区调查中报告的受教育程度数据，并使用全国大学毕业生调查作为高质量数据源。在此过程中，我们考虑了用于选择全国大学毕业生调查的信息性抽样设计。我们还提出了一种过程，用于评估各种分析对测量误差模型不同选择的敏感性。补充材料可在线获取。
引用
@article{arxiv.1610.00147,
title = {Data Fusion for Correcting Measurement Errors},
author = {Tracy Schifeling and Jerome P. Reiter and Maria DeYoreo},
journal= {arXiv preprint arXiv:1610.00147},
year = {2016}
}