小域估计(Small Area Estimation)是抽样调查领域里一个重要的研究方向,国计民生中的许多重要问题,如关于失业率、残疾率、传染病的发病率和民意测验的抽样调查都需要采用不同的小域估计方法。本文针对小域估计问题,以估计方法发展脉络...小域估计(Small Area Estimation)是抽样调查领域里一个重要的研究方向,国计民生中的许多重要问题,如关于失业率、残疾率、传染病的发病率和民意测验的抽样调查都需要采用不同的小域估计方法。本文针对小域估计问题,以估计方法发展脉络为主线,以基于分层贝叶斯分析的小域估计为重点,对小域估计问题的理论、方法和最新进展进行简述,并利用澳大利亚残疾、老龄化和护理人员(SDAC2003)抽样调查实际数据,从分层贝叶斯分析角度对西澳大利亚残疾率进行估计,最后对估计结果进行比较和讨论。展开更多
贝叶斯方法计算后验分布函数常常是复杂的、高维的,甚至是非标准形式的,其积分计算十分困难[1-2]。譬如,在行为学、社会学、心理学和医学中,许多潜变量模型需要用到结构方程模型,而结构方程模型的应用,常常含有高纬复杂的模型,不能显示...贝叶斯方法计算后验分布函数常常是复杂的、高维的,甚至是非标准形式的,其积分计算十分困难[1-2]。譬如,在行为学、社会学、心理学和医学中,许多潜变量模型需要用到结构方程模型,而结构方程模型的应用,常常含有高纬复杂的模型,不能显示表达其分布[3],直接估计困难,可用贝叶斯估计方法,特别是GIBBS抽样方法和MCMC(Markov Chain Monte Carlo)估计方法[4-5]。MCMC方法可解决此类问题[6-7],其实现由专业软件WINBUGS[8]或OpenBUGS[9]完成。GIBBS抽样是构建马尔科夫链最流行的MCMC方法[10-11],其计算工作量较大,对计算机软硬件有较高要求。展开更多
文摘小域估计(Small Area Estimation)是抽样调查领域里一个重要的研究方向,国计民生中的许多重要问题,如关于失业率、残疾率、传染病的发病率和民意测验的抽样调查都需要采用不同的小域估计方法。本文针对小域估计问题,以估计方法发展脉络为主线,以基于分层贝叶斯分析的小域估计为重点,对小域估计问题的理论、方法和最新进展进行简述,并利用澳大利亚残疾、老龄化和护理人员(SDAC2003)抽样调查实际数据,从分层贝叶斯分析角度对西澳大利亚残疾率进行估计,最后对估计结果进行比较和讨论。
文摘贝叶斯方法计算后验分布函数常常是复杂的、高维的,甚至是非标准形式的,其积分计算十分困难[1-2]。譬如,在行为学、社会学、心理学和医学中,许多潜变量模型需要用到结构方程模型,而结构方程模型的应用,常常含有高纬复杂的模型,不能显示表达其分布[3],直接估计困难,可用贝叶斯估计方法,特别是GIBBS抽样方法和MCMC(Markov Chain Monte Carlo)估计方法[4-5]。MCMC方法可解决此类问题[6-7],其实现由专业软件WINBUGS[8]或OpenBUGS[9]完成。GIBBS抽样是构建马尔科夫链最流行的MCMC方法[10-11],其计算工作量较大,对计算机软硬件有较高要求。