機密データのためのオプションおよび部分的なスクランブリングを使用した新しい定量的ランダム化応答モデル

科学分野:

• 統計学
• 調査方法論
• データプライバシー

背景:

• 定量的ランダム化応答モデルは、機密データを収集するために不可欠です。
• 既存の方法は、プライバシー、効率、および精度のバランスをとる上で課題に直面しています。
• 量的変数を効果的に処理するための高度なモデルが必要です。

研究 の 目的:

• 4つの新しいオプションおよび部分的な定量的ランダム化応答モデルを提案すること。
• 量的変数の平均および感度レベルの推定を強化すること。
• 調査におけるバイアスのない推定、効率、およびプライバシー保護を改善すること。

主な方法:

• 4つの新しい定量的ランダム化応答モデルの開発。
• 既存の定量的スクランブリングおよびランダム化技術に基づいた構築。
• 相対効率、プライバシー保護、および加重スコアを使用した比較。

主要な成果:

• 提案されたモデルは、現在の方法と比較して優れたパフォーマンスを示します。
• バイアスのない推定値と効率およびプライバシーの向上が達成されました。
• 標準的な比較指標と新しい加重スコアによって検証されました。

結論:

• 新しいモデルは、機密性の高い量的変数のデータ収集において大幅な改善を提供します。
• 堅牢なプライバシーと正確な推定を必要とする調査に推奨されます。
• 研究における機密性の高い量的情報を処理する上での進歩を表します。