使用代理模式混合模型解释两项大型调查中 COVID-19 疫苗接种率估计的偏差
应用统计
2024-09-27 v1
摘要
近来，两项超大型基于互联网的概率调查未能正确估计 2021 年初美国 COVID-19 疫苗接种率的问题受到关注。Delphi-Facebook CTIS 与人口普查家庭脉搏调查（HPS）均大幅高估了接种率，在 2021 年 5 月分别高出 17 和 14 个百分点。这些调查受访者数量庞大但响应率极低（<10%），因此不可忽略的无响应可能产生实质性影响。具体而言，鉴于主题（疫情对日常生活的影响），“反疫苗”个体参与可能性更低是合理的。本文中，我们在不可忽略无响应假设下，使用代理模式混合模型（PPMMs）并基于 CTIS 与 HPS 数据估计接受过至少一剂 COVID-19 疫苗的成人（18+）比例。美国社区调查数据为该 PPMMs 提供了所需总体数据。我们将这些估计与真实基准接种数字比较，表明 PPMM 本可检测出偏差方向并提供有意义的偏差界限。我们还使用 PPMM 估计疫苗犹豫度——一项无基准真值的指标——并与直接调查估计比较。
引用
@article{arxiv.2307.16653,
title = {Using Proxy Pattern-Mixture Models to Explain Bias in Estimates of COVID-19 Vaccine Uptake from Two Large Surveys},
author = {Rebecca R Andridge},
journal= {arXiv preprint arXiv:2307.16653},
year = {2024}
}