通过个体水平混合模型描述多变量二元数据中的残疾状况
应用统计
2009-09-29 v1
摘要
功能性残疾数据在美国具有广泛的政策意义，特别是在为日益增长的老年人口规划 Medicare 和 Social Security 方面。我们考虑来自国家长期护理调查 (NLTCS) 的功能性残疾数据摘录，并尝试利用隶属度等级 (Grade of Membership, GoM) 模型的变体来构建残疾剖面。我们首先将 GoM 描述为一种个体水平混合模型，允许个体同时部分隶属于多个混合成分。随后，我们证明了个体水平与总体水平混合模型之间的等价性，并利用这一性质开发了一种用于模型贝叶斯估计的马尔可夫链蒙特卡洛 (Markov Chain Monte Carlo) 算法。最后，我们使用该方法来分析来自 NLTCS 的功能性残疾数据。
引用
@article{arxiv.0712.2124,
title = {Describing disability through individual-level mixture models for multivariate binary data},
author = {Elena A. Erosheva and Stephen E. Fienberg and Cyrille Joutard},
journal= {arXiv preprint arXiv:0712.2124},
year = {2009}
}
备注
Published in at http://dx.doi.org/10.1214/07-AOAS126 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)