年龄-时期-队列分析的系统仿真：揭示贝叶斯正则化的偏差
统计方法学
2023-10-12 v1
摘要
年龄-时期-队列(APC)分析是社会科学中使用的基础时间序列分析之一。本文通过系统仿真评估APC分析在恢复人工参数方面的表现。我们考虑三种使用正态先验分布的贝叶斯正则化模型：参考多层分析的随机效应模型、等价于内在估计器的岭回归模型，以及被称为贝叶斯队列模型的随机游走模型。所提仿真通过线性成分的组合生成人工数据，重点关注识别问题影响三种效应的线性成分这一事实。在13个人工数据案例中，随机游走模型在10个案例中良好恢复了人工参数，而随机效应模型与岭回归模型仅在4个案例中做到。模型未能恢复人工参数的案例显示，队列效应的估计线性成分接近于零。结论是，APC分析中的贝叶斯正则化模型存在偏差：指数权重对队列效应影响很大，且这些约束将队列效应的线性成分推向接近于零。然而，随机游走模型缓解了队列效应线性成分的低估。
引用
@article{arxiv.2310.07124,
title = {Systematic simulation of age-period-cohort analysis: Demonstrating bias of Bayesian regularization},
author = {Yuta Matsumoto},
journal= {arXiv preprint arXiv:2310.07124},
year = {2023}
}
备注
The Appendices A and B describe the Stan codes for Bayesian regularization and the R codes that reproduce the systematic simulation