區位推論的統計模型:發展、比較與評估

研究成果: 雜誌貢獻文章同行評審

摘要

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。
原文???core.languages.zh_TW???
頁(從 - 到)529-562
頁數34
期刊人文及社會科學集刊
19
發行號4
DOIs
出版狀態已發佈 - 2007

Keywords

  • 計量方法
  • 區位推論
  • 貝式統計
  • quantitative method
  • ecological inference
  • bayesian statistics

引用此