通过广义随机响应技术收集的敏感属性与多变量辅助变量之间关系的贝叶斯评估

《Statistics》：Bayesian assessment of the relationship between a sensitive attribute collected via a generalized randomized response technique and a multivariate auxiliary variable

本研究探讨敏感与非敏感组在多元辅助变量分布上的差异，提出融合广义随机响应技术的混合建模框架，通过贝叶斯估计（含数据增强和MCMC算法）量化敏感属性比例，并采用三种信息准则选择最优模型，模拟验证与真实性取向数据分析证实方法有效性。

　　

摘要

我们研究了在涉及敏感特征的调查中，敏感群体与非敏感群体之间的多变量辅助变量分布是否存在差异。本文提出了一种混合建模框架，并结合了广义随机响应技术，以评估敏感属性与多变量辅助变量之间的关系。采用贝叶斯估计方法，结合数据增强和马尔可夫链蒙特卡洛算法来估计敏感属性在总体中的比例。为了评估敏感变量与辅助变量之间的关联，我们应用了三种贝叶斯模型选择标准——对数边际似然、偏差信息准则和广泛适用的信息准则——来确定最佳拟合模型。通过模拟研究评估了该方法的性能，并通过分析真实的性取向数据展示了其实际应用效果。补充材料包括马尔可夫链蒙特卡洛算法、收敛性诊断结果以及模型比较结果。