基于分组数据的区域空间收入分布估计与推断

估计收入分布在空间上不平等与贫困的测度中起着重要作用。现有关于收入分布的文献主要侧重于为国家或地区单独估计收入分布，尽管同时估计多个收入分布具有实际重要性，却未被讨论。在这项工作中，我们开发了一种有效方法，利用分组数据并考虑地理信息，对区域收入分布进行同时估计与推断。基于分组数据的多项似然函数，我们提出了一种针对参数化收入分布区域参数的空间状态空间模型。我们提供了一种高效的贝叶斯方法用于区域潜在参数的估计与推断，得益于潜在的时空状态空间结构，它使我们能够计算区域收入分布的汇总度量（如平均收入和基尼系数），不仅针对抽样区域，也针对无任何样本的区域。所提方法使用日本市町村级分组收入数据进行了演示。模拟研究显示了所提方法相对于分别估计收入分布的粗略传统方法的优越性。