基于部分提名样本的统计推断：在估计骨质疏松症患病率中的应用
统计方法学
2021-06-01 v1
摘要
本文关注基于极大值或极小值提名抽样（NS）设计的一种新变体进行统计推断。这些抽样设计可利用可用的辅助排序信息，从总体分布的尾部获得更具代表性的样本单元。然而，在实践中执行NS的一个常见困难是，研究者除非能唯一确定每个集合中排名最高或最低的单元，否则无法获得提名样本。为克服该问题，本文提出一种称为部分提名抽样的NS变体，当研究者无法高置信度地找到排名最高或最低的单元时，允许其声明两个或多个单元排名并列。基于该抽样设计，针对累积分布函数开发了两种渐近无偏估计量，分别通过极大似然和基于矩的方法获得，并证明了它们的渐近正态性。若干数值研究表明，在分析父分布的上尾或下尾时，所开发的估计量比简单随机抽样中的对应估计量具有更高的相对效率。随后将所开发的方法应用于第三次全国健康与营养检查调查（NHANES III）的真实数据集，以估计50岁及以上成年女性中骨质疏松症的患病率。结果表明，在某些特定情况下，我们所开发的技术仅需简单随机抽样所需样本量的三分之一即可达到期望精度。与标准SRS方法相比，这显著减少了时间与成本。
引用
@article{arxiv.2105.14590,
title = {Statistical Inference from Partially Nominated Sets: An Application to Estimating the Prevalence of Osteoporosis},
author = {Zeinab Akbari Ghamsari and Ehsan Zamanzade and Majid Asadi},
journal= {arXiv preprint arXiv:2105.14590},
year = {2021}
}