使用贝叶斯非参数方法对面积水平协变量对收入分布影响的空间异质性进行建模
统计方法学
2026-04-28 v1 应用统计
摘要
理解经济结果（如收入）随空间和协变量变化的分布方式是政策制定者的关键关注问题。为此，我们发展了一种贝叶斯非参数模型，即带协变量的归一化潜在测度因子模型（NLMFM-C），该模型将大量相关密度表示为潜在因子密度的混合物，允许包含空间和协变量效应。我们提出了一种自适应Gibbs抽样器，以自动推断潜在因子分布的数量，并提出一种旋转方法以使不同数据集的后推断结果可比。我们将NLMFM-C模型应用于公开微数据样本（PUMS），聚焦于2016年和2020年四个美国州不同子区域的收入分布。我们表明，潜在因子分布可按收入水平（如低、中、高）进行解释，并探讨了三个协变量——性别、种族和教育水平——的时空变化影响。
引用
@article{arxiv.2604.23357,
title = {Modelling spatial heterogeneity in the effects of area-level covariates on income distributions using Bayesian nonparametric methods},
author = {Ziyou Wang and Jim Griffin and Maria Kalli},
journal= {arXiv preprint arXiv:2604.23357},
year = {2026}
}