區位推論的統計模型:發展、比較與評估

Research output: Contribution to journalArticle

Abstract

所謂「區位推論」,爲當研究者可得資料爲集體層次,而研究旨趣與目的是個體層次關聯性,因而產生研究目的與資料分析單位層次不相符之情形。如何運用適當的統計方法與程序,從已知的總體集合資訊推估未知個體層次關聯性,即是區位推論首要關注的問題。 本文的主要目的,在於回顧區位推論模型的發展歷程,同時比較幾個主要區位推論模型在估計上的表現。筆者首先回顧了區位推論模型的發展,以Goodman迴歸、King EI模型以及階層模型爲例,說明這三種主要的區位推論模型於統計元素上的特點。接著,運用模擬實驗的研究設計,筆者嘗試評估三者模型在「不偏性」與「有效性」統計性質的表現。在比較不同已知資訊分佈型態後,本文的模擬實驗結果顯示,在放寬估計係數的機率分配假定、置入較精確的函數形式以及更爲彈性的階層結構後,Wakefield的階層模型具有較佳的估計性質,同時也能有效的矯正極端值的估計。
Original languageChinese
Pages (from-to)529-562
Number of pages34
Journal人文及社會科學集刊
Volume19
Issue number4
DOIs
Publication statusPublished - 2007

Cite this

區位推論的統計模型:發展、比較與評估. / 黃信豪(Hsin-Hao Huang).

In: 人文及社會科學集刊, Vol. 19, No. 4, 2007, p. 529-562.

Research output: Contribution to journalArticle

@article{0ebeea7d24e346bca64df722f777f5b7,
title = "區位推論的統計模型:發展、比較與評估",
abstract = "所謂「區位推論」,爲當研究者可得資料爲集體層次,而研究旨趣與目的是個體層次關聯性,因而產生研究目的與資料分析單位層次不相符之情形。如何運用適當的統計方法與程序,從已知的總體集合資訊推估未知個體層次關聯性,即是區位推論首要關注的問題。 本文的主要目的,在於回顧區位推論模型的發展歷程,同時比較幾個主要區位推論模型在估計上的表現。筆者首先回顧了區位推論模型的發展,以Goodman迴歸、King EI模型以及階層模型爲例,說明這三種主要的區位推論模型於統計元素上的特點。接著,運用模擬實驗的研究設計,筆者嘗試評估三者模型在「不偏性」與「有效性」統計性質的表現。在比較不同已知資訊分佈型態後,本文的模擬實驗結果顯示,在放寬估計係數的機率分配假定、置入較精確的函數形式以及更爲彈性的階層結構後,Wakefield的階層模型具有較佳的估計性質,同時也能有效的矯正極端值的估計。",
keywords = "計量方法, 區位推論, 貝式統計, quantitative method, ecological inference, bayesian statistics",
author = "黃, {信豪(Hsin-Hao Huang)}",
year = "2007",
doi = "10.6350/JSSP.200712.0529",
language = "Chinese",
volume = "19",
pages = "529--562",
journal = "人文及社會科學集刊",
issn = "1018-189X",
publisher = "中央研究院人文社會科學研究中心",
number = "4",

}

TY - JOUR

T1 - 區位推論的統計模型:發展、比較與評估

AU - 黃, 信豪(Hsin-Hao Huang)

PY - 2007

Y1 - 2007

N2 - 所謂「區位推論」,爲當研究者可得資料爲集體層次,而研究旨趣與目的是個體層次關聯性,因而產生研究目的與資料分析單位層次不相符之情形。如何運用適當的統計方法與程序,從已知的總體集合資訊推估未知個體層次關聯性,即是區位推論首要關注的問題。 本文的主要目的,在於回顧區位推論模型的發展歷程,同時比較幾個主要區位推論模型在估計上的表現。筆者首先回顧了區位推論模型的發展,以Goodman迴歸、King EI模型以及階層模型爲例,說明這三種主要的區位推論模型於統計元素上的特點。接著,運用模擬實驗的研究設計,筆者嘗試評估三者模型在「不偏性」與「有效性」統計性質的表現。在比較不同已知資訊分佈型態後,本文的模擬實驗結果顯示,在放寬估計係數的機率分配假定、置入較精確的函數形式以及更爲彈性的階層結構後,Wakefield的階層模型具有較佳的估計性質,同時也能有效的矯正極端值的估計。

AB - 所謂「區位推論」,爲當研究者可得資料爲集體層次,而研究旨趣與目的是個體層次關聯性,因而產生研究目的與資料分析單位層次不相符之情形。如何運用適當的統計方法與程序,從已知的總體集合資訊推估未知個體層次關聯性,即是區位推論首要關注的問題。 本文的主要目的,在於回顧區位推論模型的發展歷程,同時比較幾個主要區位推論模型在估計上的表現。筆者首先回顧了區位推論模型的發展,以Goodman迴歸、King EI模型以及階層模型爲例,說明這三種主要的區位推論模型於統計元素上的特點。接著,運用模擬實驗的研究設計,筆者嘗試評估三者模型在「不偏性」與「有效性」統計性質的表現。在比較不同已知資訊分佈型態後,本文的模擬實驗結果顯示,在放寬估計係數的機率分配假定、置入較精確的函數形式以及更爲彈性的階層結構後,Wakefield的階層模型具有較佳的估計性質,同時也能有效的矯正極端值的估計。

KW - 計量方法

KW - 區位推論

KW - 貝式統計

KW - quantitative method

KW - ecological inference

KW - bayesian statistics

U2 - 10.6350/JSSP.200712.0529

DO - 10.6350/JSSP.200712.0529

M3 - 文章

VL - 19

SP - 529

EP - 562

JO - 人文及社會科學集刊

JF - 人文及社會科學集刊

SN - 1018-189X

IS - 4

ER -