arrow
返回

Survey data integration for distribution function and quantile estimation

delete2026-04-01
delete0
PRE
AI
F
Flood, Jeremy R. A.
M
Mostafa, Sayed A. *
DOI:10.1007/s42081-026-00338-0delete
delete原文链接
delete分享
delete收藏
摘要

摘要

En 中文
对有限总体累积分布函数(CDF)和分位数的估计对于政策制定、资源配置和公共卫生规划至关重要。例如,联邦财政机构可能需要准确估计低于联邦贫困线的人口比例来确定资金资格,而卫生组织可能依赖关键健康变量的精确分位数估计来指导地方卫生干预措施。尽管对调查数据整合的兴趣日益增长,但关于将概率样本和非概率样本整合以估计CDF和分位数的研究仍然有限。本研究提出了一种新颖的基于残差的CDF估计器,整合了概率样本的信息和潜在大型非概率样本的数据。我们的方法利用在两个数据集中都观察到的共享协变量,而响应变量仅在非概率样本中可用。采用半参数方法,我们在非概率样本上训练一个结果模型,并将模型残差与概率样本的抽样权重相结合,以估计目标变量的CDF。基于此CDF估计器,我们定义了一个分位数估计器,并引入线性化和自助法方法,用于估计CDF和分位数估计器的方差。在一定的正则性条件下,我们建立了CDF估计器的渐近性质,包括偏差和方差。我们的实证结果支持理论结果,并表明所提出的估计器相对于插值质量估计器和仅基于非概率样本的朴素估计器具有更优的表现。一个实际数据案例被用来说明所提出的估计器。
Keyword:
Data integration
Probability samples
Nonprobability samples
Mass imputation
Distribution functions
Quantile estimation

期刊

J
Japanese Journal of Statistics and Data Science
IF:
1
论文数:
34
被引数:
2

机构

U
University of North Carolina
学者数:
1.0K
论文数: 479
被引数: 4.5W
引用论文

引用论文

暂无论文信息