WikiDer > Многоуровневая регрессия с постстратификацией

Multilevel regression with poststratification
Часть серии по
Регрессивный анализ
Линейная регрессия.svg
Модели
Оценка
Фон

Многоуровневая регрессия с постстратификацией (MRP) (иногда называемый «Мистер Пи») - статистический метод, используемый для корректировки оценок модели с учетом известных различий между выборочной совокупностью (совокупностью имеющихся у вас данных) и целевой совокупностью (совокупностью, для которой вы хотите произвести оценку). Например, Wang et. al.[1] использовали данные опроса геймеров Xbox для прогнозирования результатов президентских выборов в США. Игроками Xbox было 65% 18-29-летних и 93% мужчин, тогда как электорат в целом составлял 19% 18-29-летних и 47% мужчин.

В постстратификация относится к процессу корректировки оценок, по сути, к средневзвешенному значению оценок по всем возможным комбинациям атрибутов (в этом примере возраст и пол, хотя их было больше). Каждую комбинацию иногда называют «ячейкой». В многоуровневая регрессия используется для сглаживания зашумленных оценок в ячейках со слишком малым объемом данных с использованием общих или близких средних.

Одно приложение оценивает предпочтения в субрегионах (например, штатах, отдельных округах) на основе данных опросов на индивидуальном уровне, собранных на других уровнях агрегирования (например, национальных опросов).[2]

Методика и ее преимущества

Этот метод по существу включает использование данных, например, из переписи относящиеся к различным типам людей, соответствующим различным характеристикам (например, возрасту, расе), на первом этапе оценки взаимосвязи между этими типами и индивидуальными предпочтениями (то есть многоуровневой регрессии набора данных). Затем это соотношение используется на втором этапе для оценки субрегионального предпочтения на основе количества людей, имеющих каждый тип / характеристику в этом субрегионе (процесс, известный как «постстратификация»).[3] Таким образом устраняется необходимость в проведении обследований на субрегиональном уровне, что может быть дорогостоящим и непрактичным в области (например, в стране) с множеством субрегионов (например, округов, горных районов или штатов). Это также позволяет избежать проблем с согласованностью опроса при сравнении разных опросов, проведенных в разных областях.[4][2] Кроме того, он позволяет оценить предпочтения в конкретном населенном пункте на основе опроса, проведенного на более широкой территории, которая включает относительно небольшое количество людей из рассматриваемой местности, или где выборка может быть крайне нерепрезентативной.[5]

История

Первоначально метод был разработан Гельман и Т. Литтл в 1997 г. [6], опираясь на идеи Фэй и Эрриот[7] и Р. Литтл[8]. Впоследствии он был расширен Паком, Гельманом и Бафуми в 2004 и 2006 годах. Он был предложен для использования при оценке предпочтений избирателей на уровне штата США Лаксом и Филипсом в 2009 году. Уоршоу и Родден впоследствии предложили использовать его для оценки округов. уровень общественного мнения в 2012 году.[2] Wang et al.[1] впоследствии использовал его для оценки результатов 2012 президентские выборы в США на основе опроса Xbox пользователей, и он также был предложен для использования в области эпидемиологии.[5]

YouGov использовали эту технику для успешного прогнозирования общего результата Всеобщие выборы в Великобритании в 2017 г.,[9] правильно прогнозируем результат в 93% округов.[10]

Ограничения и расширения

MRP может быть расширен для оценки изменения мнения с течением времени[4] и когда используется для прогнозирования выборов, работает лучше всего, когда используется относительно близко к дате голосования, после того, как закончились номинации.[11]

Можно обобщить как «многоуровневую регрессию», так и «постстратификационную» идею MRP. Многоуровневую регрессию можно заменить непараметрической регрессией[12] или регуляризованное прогнозирование, а постстратификация может быть обобщена, чтобы учесть переменные, не связанные с переписью, то есть итоги постстратификации, которые оцениваются, а не известны.[13]

Рекомендации

  1. ^ а б Ван, Вэй; Ротшильд, Дэвид; Гоэль, Шарад; Гельман, Андрей (2015). «Прогнозирование выборов с помощью непредставительных опросов» (PDF). Международный журнал прогнозирования. 31 (3): 980–991. Дои:10.1016 / j.ijforecast.2014.06.001.
  2. ^ а б c Баттис, Мэтью К .; Хайтон, Бенджамин (осень 2013). «Как многоуровневая регрессия и постстратификация работают с традиционными национальными обследованиями?». Политический анализ. 21 (4): 449–451. Дои:10.1093 / pan / mpt017. JSTOR 24572674.
  3. ^ "Что такое MRP?". Survation.com. Survation. Получено 31 октября 2019.
  4. ^ а б Гельман, Андрей; Лакс, Джеффри; Филлипс, Джастин; Габри, Иона; Трангуччи, Роберт (28 августа 2018 г.). «Использование многоуровневой регрессии и постстратификации для оценки динамического общественного мнения» (PDF): 1–3. Получено 31 октября 2019. Цитировать журнал требует | журнал = (помощь)
  5. ^ а б Даунс, Марни; Gurrin, Lyle C .; Английский язык, Даллас Р .; Пиркис, Джейн; Карриер, Дайан; Spital, Мэтью Дж .; Карлин, Джон Б. (9 апреля 2018 г.). «Многоуровневая регрессия и постстратификация: подход к моделированию оценки численности населения на основе тщательно отобранных выборок обследований». Американский журнал эпидемиологии. 179 (8): 187. Получено 31 октября 2019.
  6. ^ Гельман, Андрей; Литтл, Томас (1997). «Постстратификация на множество категорий с использованием иерархической логистической регрессии». Методология исследования. 23: 127–135.
  7. ^ Фэй, Роберт; Эрриот, Роджер (1979). «Оценки дохода для небольших населенных пунктов: применение процедур Джеймса-Стейна к данным переписи». Журнал Американской статистической ассоциации. 74 (423): 1001–1012. Дои:10.1080/01621459.1979.10482505. JSTOR 2286322.
  8. ^ Литтл, Родерик (1993). «Постстратификация: взгляд моделиста». Журнал Американской статистической ассоциации. 88 (423): 1001–1012. Дои:10.1080/01621459.1993.10476368. JSTOR 2290792.
  9. ^ Ревелл, Тимоти (9 июня 2017 г.). «Как экспериментальный опрос YouGov правильно назвал выборы в Великобритании». Новый ученый. Получено 31 октября 2019.
  10. ^ Коэн, Дэниел (27 сентября 2019 г.). "'Я никогда не слышал, чтобы избиратели были такими распутными »: социологи, работающие над прогнозом следующих выборов в Великобритании». Хранитель. Получено 31 октября 2019.
  11. ^ Джеймс, Уильям; Маклеллан, Кайли (15 октября 2019 г.). «Вопрос доверия: британские социологи борются за то, чтобы объявить выборы». Рейтер. Получено 31 октября 2019.
  12. ^ Бисби, Джеймс (2019). «BARP: Улучшение Mister P с помощью байесовских аддитивных деревьев регрессии». Обзор американской политической науки. 113 (4): 1060–1065. Дои:10.1017 / S0003055419000480.
  13. ^ Гельман, Андрей (28 октября 2018 г.). «MRP (или RPP) с переменными, не связанными с переписью». Статистическое моделирование, причинно-следственные связи и социальные науки.