预测地方区域覆盖错误率的时空混合模型

Sepideh Mosaferi

预测地方区域覆盖错误率的时空混合模型

应用统计 2019-10-15 v1

作者: Sepideh Mosaferi

摘要

尽管在人口普查中付出了巨大努力,某些非抽样误差(如覆盖误差)的发生仍不可避免。当普查计数与目标总体(通常居住在该国的人口,即法律住所人口)中的个体之间不存在唯一双射(一一对应)映射时,就会发生覆盖误差,其可分为漏报和重报两类。造成覆盖误差的原因多种多样,包括普查地图的缺陷、外勤操作中的错误,或人们在漏报情形下的参与意愿低下,以及重报情形下的个体重复枚举或不属于普查范围者的计入。估计净覆盖误差的常规做法是从双系统(或捕获-再捕获)技术获得的估计真实人口中减去普查计数。估计的覆盖误差通常受到真实人口直接估计的显著不确定性或其他误差(如匹配误差)的影响。为纠正上述问题并预测更可靠的覆盖误差率,我们提出一组时空混合模型。在以人口超过100,000的美国各县2010年普查覆盖误差率为例的说明性研究中,我们通过偏差信息准则(DIC)和条件预测坐标(CPO)选取最优混合模型进行预测。我们提出的覆盖误差率及其不确定性度量预测方法是一种完全贝叶斯方法,相较于美国人口普查局提供的直接覆盖误差率在均方误差(MSE)和置信区间(CI)方面均取得了合理改进。

关键词

覆盖误差时空混合模型贝叶斯推断捕获-再捕获小区域估计人口普查

引用

@article{arxiv.1910.05494,
  title  = {Spatio-Temporal Mixed Models to Predict Coverage Error Rates at Local Areas},
  author = {Sepideh Mosaferi},
  journal= {arXiv preprint arXiv:1910.05494},
  year   = {2019}
}

备注

10 pages, 3 Figures, Presented as a poster in the Joint Statistical Meeting 2017, July 29--August 3, 2017, Baltimore, USA

预测地方区域覆盖错误率的时空混合模型

摘要

关键词

引用

备注

相关论文