[论文解读] Generating a synthetic population of individuals in households: Sample-free vs sample-based methods

Maxime Lenormand, Guillaume Deffuant|HAL (Le Centre pour la Communication Scientifique Directe)|Aug 31, 2012

demographic modeling and climate adaptation参考文献 11被引用 27

一句话总结

本文比较了基于样本的（Ye2009年IPU方法）与无样本方法（Gargiulo2010年方法）在利用汇总统计数据生成家庭结构合成人口时的表现。无样本方法在拟合个体与家庭联合分布方面优于基于样本的方法，所需数据更少，对样本质量的敏感性更低，尽管其需要更多的预处理以推导个体到家庭的分配概率。

ABSTRACT

We compare a sample-free method proposed by Gargiulo et al. (2010) and a sample-based method proposed by Ye et al. (2009) for generating a synthetic population, organised in households, from various statistics. We generate a reference population for a French region including 1310 municipalities and measure how both methods approximate it from a set of statistics dervied from this reference population. We also perform sensitivity analysis. The sample-free method better fits the reference distributions of both individuals and households. It is also less data demanding but it requires more pre-processing. The quality of the results for the sample-based method is highly dependent on the quality of the initial sample.

研究动机与目标

• 评估无样本方法与基于样本方法在生成以家庭为单位的合成人口时的准确性。
• 评估无样本方法更广泛适用性是否以牺牲相对于基于样本方法的准确性为代价。
• 研究基于样本方法的结果对样本大小与数据质量的敏感性。
• 确定在合成人口生成中，数据需求、预处理工作量与模拟保真度之间的权衡。

提出的方法

• 无样本方法通过基于预先计算的个体与家庭类型联合分布的迭代概率分配，将个体分配至家庭，无需初始样本。
• 该方法通过根据目标边际分布导出的概率分布选择个体类型构建家庭，若存在可用实际个体则进行分配。
• 基于样本的方法对随机抽取的家庭样本应用迭代比例拟合（IPF）以估计个体与家庭属性的联合分布。
• 两种方法均使用1310个法国市镇的参考合成人口进行评估，性能通过卡方距离与拟合优度检验衡量。
• IPU方法对100次不同的25%随机样本执行，基于最小卡方距离选择表现最佳的合成人口。
• 通过将样本大小从参考家庭人口的5%变化至50%进行敏感性分析，以评估其对准确度的影响。

实验结果

研究问题

• RQ1 无样本方法与基于样本方法在拟合合成人口中个体与家庭联合分布方面表现如何？
• RQ2 初始样本质量在多大程度上影响基于样本的IPU方法的性能？
• RQ3 无样本方法是否能在更少数据和更低样本质量依赖下实现更优的拟合？
• RQ4 初始样本大小在多大程度上影响基于样本方法在复现参考分布方面的准确性？
• RQ5 在合成人口生成中，数据需求、预处理工作量与模拟准确度之间的权衡是什么？

主要发现

• 与基于IPU的基于样本方法相比，无样本方法在拟合个体与家庭的参考分布方面表现更优。
• 在家庭联合分布方面，无样本方法在95%置信水平下与参考值达到100%相似度，而IPU方法平均仅达到98.6%的良好预测率。
• 在个体联合分布方面，无样本方法优于IPU方法，IPU方法的优秀预测率为86.9%，而无样本方法的结果虽未进行数值量化，但被描述为更优。
• IPU方法的性能对样本大小高度敏感，个体分布准确度仅在样本量达到25%及以上时才显著提升。
• 无样本方法所需数据更少，但需更多预处理以推导个体到家庭的分配概率；而IPU方法的结果严重依赖初始样本的质量与大小。
• 两种方法的执行时间相近，无样本方法耗时约13至74分钟（取决于迭代次数），IPU方法耗时为40至88分钟（取决于样本大小与迭代次数）。