[论文解读] Space-Time Smoothing of Survey Outcomes using the R Package SUMMER

Zehang Li, Bryan D Martin+6 more|arXiv (Cornell University)|Jul 10, 2020

demographic modeling and climate adaptation参考文献 23被引用 4

一句话总结

本文介绍了 R 包 SUMMER，该包可实现对复杂调查数据的贝叶斯时空平滑——尤其适用于低收入和中等收入国家（LMICs）的人口和健康指标（如儿童死亡率）的估计。该方法将调查设计特征与基于 INLA 的快速贝叶斯计算相结合，生成具有适当不确定性量化、可靠且分地区的估计结果，并通过应用于 DHS 和 MICS 数据（包括联合国 IGME 对 22 个国家的官方估计）得到验证。

ABSTRACT

The increasing availability of complex survey data, and the continued need for estimates of demographic and health indicators at a fine spatial and temporal scale, which leads to issues of data sparsity, has led to the need for spatio-temporal smoothing methods that acknowledge the manner in which the data were collected. The open source R package SUMMER implements a variety of methods for spatial or spatio-temporal smoothing of survey data. The emphasis is on small-area estimation. We focus primarily on indicators in a low and middle-income countries context. Our methods are particularly useful for data from Demographic Health Surveys and Multiple Indicator Cluster Surveys. We build upon functions within the survey package, and use INLA for fast Bayesian computation. This paper includes a brief overview of these methods and illustrates the workflow of accessing and processing surveys, estimating subnational child mortality rates, and visualizing results with both simulated data and DHS surveys.

研究动机与目标

• 解决在低收入和中等收入国家（LMICs）的分地区人口和健康调查中因数据稀疏而导致的估计不稳定性问题。
• 开发一种计算框架，能够在平滑和估计过程中考虑复杂调查设计（如多阶段分层抽样）。
• 实现在精细空间和时间分辨率下对健康指标（如五岁以下死亡率 U5MR）的准确、可靠且具有不确定性量化的估计。
• 支持与现有调查分析工具（如 R 的 survey 包）的集成，并通过 INLA 实现可扩展的贝叶斯推断，以实现高效计算。
• 促进在国际健康监测中的官方应用，包括联合国 IGME 对 22 个国家 1990–2018 年期间的分地区 U5MR 估计。

提出的方法

• 使用针对已知抽样权重和设计效应的复杂调查数据定制的区域级和个体级小区域估计（SAE）模型。
• 采用具有条件自回归（CAR）先验的贝叶斯层次模型进行空间平滑，以及具有随机游走（RW2）先验的时间趋势建模。
• 利用 INLA（集成嵌套拉普拉斯近似）包实现无需 MCMC 的快速、准确的贝叶斯推断，从而在大型调查数据集上实现高效计算。
• 通过 R 包 survey 集成调查设计特征（如分层、聚类、抽样权重），以确保基于设计的推断并减少选择偏差。
• 应用 smoothDirect 函数将直接调查估计与空间和时间平滑相结合，采用灵活的时间尺度设定（如五年期或年度水平）。
• 使用 SUMMERproj 类组织和可视化后验估计结果，包括 95% 可信区间，并通过内置绘图函数展示空间和时间趋势。

实验结果

研究问题

• RQ1 当调查数据稀疏时，贝叶斯时空平滑如何提升健康指标在分地区估计中的可靠性？
• RQ2 在小区域死亡率估计中，考虑复杂调查设计（如多阶段分层抽样）在多大程度上能减少偏差并改善不确定性估计？
• RQ3 SUMMER 包能否生成与国家级模型相比准确且可信的分地区五岁以下死亡率（U5MR）估计？
• RQ4 将 INLA 与调查设计特征相结合，在大规模人口调查中实现可扩展、快速且准确的估计，其有效性如何？
• RQ5 时间建模（如 RW2）对健康指标随时间推移的稳定性与趋势检测有何影响？

主要发现

• SUMMER 包成功为 1990 至 2018 年间 22 个低收入和中等收入国家的分地区（行政二级）U5MR 生成了联合国 IGME 的官方估计，突破了以往仅限于国家级模型的局限。
• 该方法通过在空间和时间上借用信息，显著降低了小区域估计的不稳定性，尤其在直接调查估计因样本量小而方差较高时效果明显。
• INLA 的使用实现了快速的贝叶斯计算，使得在大型调查数据集上拟合复杂的时空模型并实现适当的不确定性量化成为可能。
• 在模拟数据中，该包表现出色，平滑后的估计相比直接估计具有更高的覆盖率和更高的精度。
• 时间建模组件（如 RW2）能有效捕捉 U5MR 和 NMR 随时间的变化趋势，即使直接估计仅以五年期为单位提供。
• SUMMER 内置的可视化工具（包括分面图和可信区间叠加图）可清晰展示各地区和时间段的结果。