基于回归校准与模拟外推的随机测量误差敏感性分析
应用统计
2021-06-09 v1
摘要
在缺乏验证数据的情况下，可通过回归校准（regression calibration）与模拟外推（simulation-extrapolation）进行测量误差的敏感性分析。此前二者尚未针对该目的进行比较。本研究开展了一项模拟研究，在多变量模型中比较回归校准与模拟外推的性能。针对易错测量的可靠性（0.2–0.9）、样本量（125–1,000）、重复次数（2–10）以及 R 平方（0.03–0.75）的不同取值，从偏倚、均方误差（MSE）和置信区间覆盖率方面评估了这两种方法的性能。研究假设关于无误差测量的验证数据不可用，而测量误差方差被正确估计。在多种情景下，回归校准无偏而模拟外推有偏：中位偏倚分别为 1.4%（四分位距（IQR）：0.8；2%）和 -12.8%（IQR：-13.2；-11.0%）。模拟外推的效率略有提升（中位 MSE：0.005，IQR：0.004；0.006），优于回归校准（中位 MSE：0.006，IQR：0.004；0.007）。回归校准的置信区间覆盖率达到 95% 的名义水平，而模拟外推低于 95%（中位覆盖率：92%，IQR：85；94%）。在缺乏验证数据时，建议将回归校准用于测量误差的敏感性分析。
引用
@article{arxiv.2106.04285,
title = {Sensitivity analysis for random measurement error using regression calibration and simulation-extrapolation},
author = {Linda Nab and Rolf H. H. Groenwold},
journal= {arXiv preprint arXiv:2106.04285},
year = {2021}
}
备注
20 pages, 5 figures, 2 tables