混合数据偏关联的替代方法及其在幸福感调查分析中的应用

本文受一项关于新冠疫情暴发前后大学生幸福感调查的激励。幸福感调查研究中的一个统计挑战在于结果变量常以不同尺度记录，无论是连续的、二元的还是有序的。混合数据的存在使得在调整协变量时评估它们之间的关联变得复杂。在我们的研究中，特别令人感兴趣的是大学生幸福感与其他心理健康指标之间的关联，以及其他风险因素如何在疫情期间调节这些关联。为此，我们提出了一个研究混合数据间偏关联的统一框架。这是通过用替代方法定义统一残差来实现的。其思想是将残差随机性映射到同一连续尺度，而不管结果变量的原始尺度如何。它几乎适用于所有常用的协变量调整模型。我们证明了使用如此定义的残差来评估偏关联的有效性。特别地，我们发展了一种度量，它在可度量偏关联与边际关联的意义上推广了经典的 Kendall's tau。更重要的是，我们的工作推进了近年来发展的替代方法的理论，表明它可以在不要求结果变量具有潜变量结构的情况下使用。我们的方法在幸福感调查分析中的使用揭示了 (i) 一些关键风险因素的显著调节效应（即偏关联与边际关联之差）；以及 (ii) 新冠疫情发生后身体健康、孤独感和住宿的调节效应增强。