基于结果自适应LASSO与协同倾向得分方法的数据整合
统计方法学
2021-03-30 v1
摘要
行政数据或非概率样本数据因其相对于调查方法的诸多优势，正日益被用于获取官方统计。具体而言，它们成本更低、样本量更大，且不依赖于应答率。然而，由于缺乏设计权重，难以从此类数据中获得总体均值的无偏估计。近期已有若干利用辅助概率样本的估计方法被提出，该样本可提供目标总体的代表性协变量信息。然而，当该协变量信息为高维时，即便对领域专家而言，变量选择也非一项直截了当的任务。在用于估计总体均值的高效且双重稳健估计方法框架下，我们分别利用结果自适应LASSO与协同倾向得分开发了两种数据自适应变量选择方法。我们进行了模拟研究以验证所提方法相对于竞争方法的性能。最后，我们展示了关于Covid-19对加拿大人影响的分析。
引用
@article{arxiv.2103.15218,
title = {Data Integration through outcome adaptive LASSO and a collaborative propensity score approach},
author = {Asma Bahamyirou and Mireille E. Schnitzer},
journal= {arXiv preprint arXiv:2103.15218},
year = {2021}
}