利用平滑样条解决不等距区间年龄-时期-队列模型的曲率可识别性问题
统计方法学
2021-12-16 v1
摘要
年龄-时期-队列(APC)模型常用于各种健康与人口相关结局。由于三个时间效应之间存在结构关联(已知其中两个,总能求出第三个),导致著名的识别问题,因此在等距区间(等年龄与时期宽度)下对APC模型进行拟合与解释并非易事。解决结构关联识别问题的常用方法是基于可识别量建立模型。健康与人口数据常以不等距区间出现,这除了结构关联外还会遇到进一步的识别问题。我们指出了这些新问题:在等距区间下可识别的某些量在不等距数据中不再可识别。此外,通过大量模拟研究,我们表明以往针对不等距APC模型的方法因其对用于逼近真实时间函数的函数选择敏感,并不总是合适。我们提出了一种利用惩罚平滑样条对不等距APC数据建模的新方法。我们的方案有效解决了由此产生的任何额外问题,并且对逼近函数的选择具有鲁棒性。为证明我们方案的有效性,最后将其应用于人类死亡率数据库(HMD)中的英国全因死亡率数据。
引用
@article{arxiv.2112.08299,
title = {Using smoothing splines to resolve the curvature identifiability problem in age-period-cohort models with unequal intervals},
author = {Connor Gascoigne and Theresa Smith},
journal= {arXiv preprint arXiv:2112.08299},
year = {2021}
}
备注
21 pages, 6 figures, 3 tables