Prior Choice for the Variance Parameter in the Multilevel Regression and Poststratification Approach for Highly Selective Data: A Monte Carlo Simulation Study

Abstract

The multilevel and poststratification approach is commonly used to draw valid inference from (non-probabilistic) surveys. This Bayesian approach includes varying regression coefficients for which prior distributions of their variance parameter must be specified. The choice of the distribution is far from being trivial and many contradicting recommendations exist in the literature. The prior choice may be even more challenging when data results from a highly selective inclusion mechanism, such as applied by volunteer panels. We conduct a Monte Carlo simulation study to evaluate the effect of different distribution choices on bias in the estimation of a proportion based on a sample that is subject to a highly selective inclusion mechanism.

Die Multilevel Regression and Poststratifikationsmethode (MrP) wird häufig verwendet, um Schätzungen, die auf (nicht-probabilistischen) Befragungen basieren, zu verbessern. Für dieses Bayesianische Verfahren müssen Verteilungen für Varianzparameter geeignet festgelegt werden, wofür in der Literatur keine einheitliche Empfehlungen bestehen. Insbesondere für Befragungen mit hoch-selektiver Teilnahme stellt die Wahl der Verteilung eine große Herausforderung dar. Im Rahmen dieser Studie wurde eine Monte Carlo Simulation durchgeführt, um den Effekt verschiedener Verteilungen auf den (Monte Carlo) Bias der Schätzung basierend auf Stichproben mit hochselektivem Inklusionsmechanismus zu evaluieren.