基于随机森林与LASSO的小区域估计
统计方法学
2023-08-30 v1 应用统计
机器学习
摘要
我们考虑在基于模型的小区域估计中，当具有抽样数据的区域数量仅为所需估计区域总数的一小部分时，使用随机森林与LASSO方法。来自调查的抽样区域以及来自外部来源的所有区域均有丰富的辅助信息可用，目标是利用辅助变量预测感兴趣的结果。我们将区域水平的随机森林与LASSO方法与一种频率主义前向变量选择方法及一种贝叶斯收缩方法进行比较。此外，为度量随机森林与LASSO所得估计的不确定性，我们提出对分割保形（split conformal）过程的修正，放宽了同分布数据的假设。本工作受第六次生活水平调查（GLSS）与2010年人口和住房普查提供的加纳数据所推动。我们利用两个数据集估计区域平均家庭对数消费。结果变量仅在GLSS中对全部区域的3%（5019个中的136个）进行了测量，且两个数据集提供了超过170个潜在协变量。在所考虑的四种建模方法中，通过交叉验证研究评估，贝叶斯收缩在偏差、MSE与预测区间覆盖率和评分方面表现最佳。我们发现显著的区域间差异，对数消费区域点估计在GAMA地区呈现1.3倍的变化。西部地区最贫困，而阿克拉大都会区聚集了最富裕的区域。
引用
@article{arxiv.2308.15180,
title = {Small Area Estimation with Random Forests and the LASSO},
author = {Victoire Michal and Jon Wakefield and Alexandra M. Schmidt and Alicia Cavanaugh and Brian Robinson and Jill Baumgartner},
journal= {arXiv preprint arXiv:2308.15180},
year = {2023}
}
备注
40 pages, 10 figures