2014年2月
发表于:经济学与人类生物学,2015,19,275-293
我们提出了一种新的方法,用于使用验证数据来纠正不称重和测量受访者的自我报告的体重和身高。来自先前研究的标准修正使用外部验证数据集回归报告值的实际测量值,然后使用估计的系数来预测主数据集中的实际测量值。这种方法需要一个强有力的假设,即基于报告值的实际体重和身高的期望在两个数据集中是相同的。相比之下,我们使用百分位排名,而不是报告的体重和身高水平。我们的方法需要一个弱得多的假设,即在两个样本中,实际测量值的条件预期正在增加,这使得我们的修正对各调查中测量误差的差异更加稳健。然后,我们检查了三个具有全国代表性的数据集,并确认误报对调查背景的差异(如数据收集模式)很敏感。当我们比较使用两种方法预测的BMI分布时,我们发现标准修正因误报的差异而有偏差,而我们的修正则没有。最后,我们提出了几个例子,证明我们的修正对未来的计量分析和肥胖率估计的潜在重要性。
下载
这些必需的cookies是激活网站核心功能所必需的。无法选择退出这些技术。
为了进一步完善我们的服务和我们的网站,我们收集匿名数据进行统计和分析。例如,在这些cookie的帮助下,我们可以确定访问者的数量和我们网站上某些页面的效果,并优化我们的内容。