复杂调查数据的时空平滑：儿童死亡率的小区域估计
应用统计
2016-02-01 v1
摘要
许多生活在低收入和中等收入国家的人没有被民事登记和生命统计系统覆盖。因此，广泛使用包括许多家庭抽样调查在内的其他类型数据来估计健康和人口指标。在本文中，我们结合抽样调查和人口监测系统数据，生成随时间变化的儿童死亡率的小区域估计。当无法获得全覆盖生命统计时，小区域估计对于理解健康指标的地理异质性是必要的。为此，时空平滑有利于缓解数据稀疏问题。使用常规层次模型需要仔细考虑，因为可能需要考虑调查权重以减轻由于非随机采样和无应答造成的偏差。激发本工作的应用是估计坦桑尼亚各地区五年时间间隔的儿童死亡率。数据来自 1991-2010 年期间进行的人口与健康调查以及两个人口监测站点。我们推导了考虑复杂调查权重的五岁以下儿童死亡率的方差估计量。对于我们的应用，我们考虑的层次模型包含区域、时间和调查的随机效应，并使用包括条件预测坐标 (CPO) 在内的多种度量比较模型。我们提出的方法通过快速准确的集成嵌套拉普拉斯近似 (INLA) 实现。
引用
@article{arxiv.1601.08090,
title = {Space-time smoothing of complex survey data: Small area estimation for child mortality},
author = {Laina D. Mercer and Jon Wakefield and Athena Pantazis and Angelina M. Lutambi and Honorati Masanja and Samuel Clark},
journal= {arXiv preprint arXiv:1601.08090},
year = {2016}
}
备注
Published at http://dx.doi.org/10.1214/15-AOAS872 in the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)