面向含误分类误差的有限总体抽样患病率估计的增强推断
统计方法学
2024-04-22 v2 统计理论
统计理论
摘要
流行病学筛查项目常使用误诊概率虽小但非零的检测方法。本文中，我们假设目标总体为有限总体且真实病例数固定，并对总体中抽样的个体施加已知灵敏度和特异度的不完美检测。在此设定下，我们提出一种增强推断方法，与基于抽样的偏差校正患病率估计联合使用。忽略总体的有限性会导致明显保守的估计，而直接应用标准有限总体校正（FPC）则反过来造成方差低估。我们发现了一种间接利用典型FPC以实现有效统计推断的途径。特别地，我们推导了在这一特定但可谓常见的诊断检测情景中由误分类引发的易于估计的额外方差分量。我们的方法所得标准误估计恰当地捕捉了通常的偏差校正最大似然患病率估计量的抽样变异性。最后，我们发展了针对真实患病率的适应性贝叶斯可信区间，相较于Wald型置信区间具有改善的频率学性质（即覆盖率和区间宽度）。我们报告模拟结果以展示所提推断方法的增强表现。
引用
@article{arxiv.2302.03558,
title = {Enhanced Inference for Finite Population Sampling-Based Prevalence Estimation with Misclassification Errors},
author = {Lin Ge and Yuzi Zhang and Lance A. Waller and Robert H. Lyles},
journal= {arXiv preprint arXiv:2302.03558},
year = {2024}
}