Bayesian Modeling for Simultaneous Regression and Record Linkage
Bayesian Modeling for Simultaneous Regression and Record Linkage
复制标题
用于同时回归和记录链接的贝叶斯建模
DOI：
10.1007/978-3-030-57521-2_15
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Steorts, R.
中科院分区：
文献类型：
--
作者：
Tang, J.;Reiter, J. P.;Steorts, R.
数据分析师经常使用概率记录链接技术来匹配两个数据集上的记录。这种匹配可以是主要目标，也可以是分析数据集中变量之间关系的必要步骤。我们提出了一个贝叶斯层次模型，允许数据分析师同时进行线性回归和概率记录链接。这使分析人员能够利用变量之间的关系来提高联系质量。此外，它使分析师能够以原则性的方式传播不确定性，同时与使用两步过程的方法相比，还可能提供更准确的回归参数估计，即，首先链接记录，然后估计链接数据的线性回归。我们提出并评估三个马尔可夫链蒙特卡罗算法实现贝叶斯模型，我们比较两步的过程。
Often data analysts use probabilistic record linkage techniques to match records across two data sets. Such matching can be the primary goal, or it can be a necessary step to analyze relationships among the variables in the data sets. We propose a Bayesian hierarchical model that allows data analysts to perform simultaneous linear regression and probabilistic record linkage. This allows analysts to leverage relationships among the variables to improve linkage quality. Further, it enables analysts to propagate uncertainty in a principled way, while also potentially offering more accurate estimates of regression parameters compared to approaches that use a two-step process, i.e., link the records first, then estimate the linear regression on the linked data. We propose and evaluate three Markov chain Monte Carlo algorithms for implementing the Bayesian model, which we compare against a two-step process.
计算机可用于从日常记录文件中提取家庭的“后续”统计数据。
DOI：
--
发表时间：
1959
期刊：
影响因子：
--
作者：
H. Newcombe;J. M. Kennedy;J. Axford;A. P. James
通讯作者：
A. P. James
使用可能错误的匹配变量进行回归建模和文件匹配
影响因子：
2.4
作者：
Nicole M. Dalzell;Jerome P. Reiter
通讯作者：
Jerome P. Reiter
DOI：
10.1080/01621459.2012.757231
发表时间：
2013-06-01
影响因子：
3.7
作者：
Sadinle, Mauricio;Fienberg, Stephen E.
通讯作者：
Fienberg, Stephen E.