针对稀有事件发生率的直接辅助贝叶斯单元级小区域估计

利用调查数据进行小区域估计可采用设计基或模型基的推断方法。设计基直接估计量通常更可取，因为其一致性、渐近正态性以及依赖较少的假设。然而，当数据在所需区域水平上稀疏时（如测量稀有事件时常发生），这些直接估计量可具有极大的不确定性，此时模型基方法更可取。采用随机空间效应的模型基方法会从周围区域借助信息，代价是引起收缩。结果是，聚合后在更高区域水平上的估计可能过度平滑且与设计基估计不一致。我们提出两种用于稀有事件发生率的小区域估计的单位层贝叶斯模型，利用更高层级的设计基直接估计来增加聚合一致性。该模型框架旨在适配来自两阶段分层群簇抽样的稀疏数据，这在低中收入国家的应用中尤其相关。随后我们介绍模型框架及其实现，进行模拟研究以评估其属性，并应用到2014年撒哈拉地区健康调查数据中对赞比亚新生儿死亡率的估计。