[論文レビュー] Statistical Matching using Fractional Imputation
本稿は、条件付き独立性仮定に依存しない、道具用変数仮定の下でパラメトリック分数インピュテーションを用いた新しい統計的マッチング手法を提案する。インピュテーションされた分数ウェイトを用いて欠損変数の同時分布を推定することで、データ統合および測定誤差モデルにおける有効な推論が可能となり、一貫性のある分散推定器を提供する。
Statistical matching is a technique for integrating two or more data sets when information available for matching records for individual participants across data sets is incomplete. Statistical matching can be viewed as a missing data problem where a researcher wants to perform a joint analysis of variables that are never jointly observed. A conditional independence assumption is often used to create imputed data for statistical matching. We consider an alternative approach to statistical matching without using the conditional independence assumption. We apply parametric fractional imputation of Kim (2011) to create imputed data using an instrumental variable assumption to identify the joint distribution. We also present variance estimators appropriate for the imputation procedure. We explain how the method applies directly to the analysis of data from split questionnaire designs and measurement error models.
研究の動機と目的
- 実務において現実的でない可能性がある、従来の統計的マッチングが採用する条件付き独立性仮定に依存する問題を是正すること。
- 欠損変数の同時分布を同定するため、道具用変数仮定を用いた統計的マッチング手法を開発すること。
- インピュテーションされたデータにおける推論のための一貫性のある分散推定器を提供し、有効な統計的推論を保証すること。
- スプリット・アンケート設計や測定誤差モデルなどの実用的応用にこの手法を拡張すること。
- 同じサンプルで同時に観測されない変数の共同分析を可能にすることで、調査研究におけるデータ統合を改善すること。
提案手法
- パラメトリック分数インピュテーション（Kim, 2011）を適用し、分数ウェイトを用いて欠損変数の複数のインピュテーション値を生成する。
- 変数 $y_1$ を、$x$（道具用変数）と観測された $y_2$ を用いて、$y_1 \perp y_2 \mid x$ を仮定しないモデルのもとでインピュテーションする。
- パrameterの推定に推定方程式を用い、推定関数 $S_1(\theta_1)$ と $S_2(\theta_2)$ を用いる。ここで $\theta = (\theta_1, \theta_2)$ である。
- スコアに基づくアプローチにより分散推定器を導出し、インピュテーションと推定の両方のばらつきを考慮する。
- テイラー展開を用いて推定関数の分布を近似し、分散・共分散行列を導出する。
- 推定関数の分散の推定値に基づく検定統計量を用いて、帰無仮説 $H_0: \theta_2 = \theta_{2,0}$ の下でのスコア検定を構築する。
実験結果
リサーチクエスチョン
- RQ1条件付き独立性仮定に依存せずに統計的マッチングを実行することは可能か？
- RQ2道具用変数仮定をどのように用いて、統計的マッチングにおける欠損変数の同時分布を同定できるか？
- RQ3分数インピュテーションに基づく統計的マッチングにおける推論のための適切な分散推定器は何か？
- RQ4提案手法はスプリット・アンケート設計および測定誤差モデルにおいてどのように性能を発揮するか？
- RQ5インピュテーションされたデータフレームワークにおいて、有効なスコア検定を構築することは可能か？
主な発見
- 本手法は、$y_1$ と $y_2$ の同時分布を同定するために道具用変数を用いることで、制限的な条件付き独立性仮定を回避するのに成功した。
- インピュテーションと推定の不確実性の両方を考慮した一貫性のある分散推定器を提供し、有効な推論を可能にした。
- シミュレーション研究では、条件付き独立性仮定が満たされない状況でも、バイアスとカバレッジの観点で良好な性能を示した。
- 推定方程式に基づくスコア検定は、有限標本において適切な第一種の過誤率と良好な検出力を持つことが確認された。
- 本手法は、同じ母集団の異なるサブセットで異なる変数が収集されるスプリット・アンケート設計に直接適用可能である。
- 測定誤差モデルに対しても自然に拡張可能であり、補助情報を利用して共変数の誤差を是正することを目的としている。
より良い研究を、今すぐ始めましょう
論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。