辅助变量在多级回归与事后分层中的应用
统计方法学
2023-03-06 v4 应用统计
摘要
多级回归与事后分层（MRP）是一种用于解决子群估计中选择性偏差的流行方法，在社会科学到公共卫生等广泛领域均有应用。本文考察了有限总体下 MRP 的推断有效性，探讨了事后分层与模型设定所产生的影响。MRP 的成功在很大程度上依赖于与结果高度相关的辅助信息的可得性。为提升结果模型的拟合表现，我们建议以辅助变量为条件对入样概率进行建模，并将估计入样概率的灵活函数作为均值结构中的预测变量。我们提出了一个统计数据整合框架，可为概率与非概率调查提供稳健推断，以应对实际应用中的各类挑战。我们的模拟研究表明 MRP 在统计上有效，其涉及偏差与方差之间的权衡，相较于替代方法，对样本量较小的子群估计收益更大。我们将所提方法应用于青少年脑认知发育（ABCD）研究，该研究在美国 21 个地理位置收集了儿童信息以提供全国代表性，但作为非概率样本存在选择性偏差。我们聚焦于 ABCD 研究中不同儿童群体的认知测量，表明辅助变量的使用会影响关于认知表现的研究结论。
引用
@article{arxiv.2011.00360,
title = {On the Use of Auxiliary Variables in Multilevel Regression and Poststratification},
author = {Yajuan Si},
journal= {arXiv preprint arXiv:2011.00360},
year = {2023}
}