基于事后分块的贝叶斯概率记录链接扩展：在加州大选民册中的应用
统计方法学
2020-01-08 v2 应用统计
统计计算
摘要
概率记录链接(PRL)是在缺乏唯一标识符的情况下，判定两个数据库中哪些记录对应同一潜在实体的过程。该问题的贝叶斯解为因记录间不确定链接而产生的不确定性（经由后验分布）提供了强大的传播机制。然而，计算考量严重限制了现有贝叶斯方法的实际适用性。我们提出一种新的计算方法，既提供快速推导链接结构点估计的算法（恰当考虑一对一匹配），也提供从近似后验分布采样的受限 MCMC 算法。我们的进展使得对更大规模问题执行贝叶斯 PRL 以及评估结果对各异先验设定的敏感性成为可能。我们在 OCR 数据集子集——加州大选民册(California Great Registers)上演示了这些方法，该数据集包含 1900 至 1968 年间的 5700 万条选民登记，是科学调查出现前收集的唯一党派登记面板数据集。
引用
@article{arxiv.1905.05337,
title = {Scaling Bayesian Probabilistic Record Linkage with Post-Hoc Blocking: An Application to the California Great Registers},
author = {Brendan S. McVeigh and Bradley T. Spahn and Jared S. Murray},
journal= {arXiv preprint arXiv:1905.05337},
year = {2020}
}
备注
42 pages with appendices, 7 figures, 20 page supplement