Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Small Area Estimation" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
On mse estimators of eblup of domain total under some longitudinal model
Autorzy:
Żądło, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/585007.pdf
Data publikacji:
2013
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
small area estimation
MSE estimation
jackknife
Opis:
Żądło (2012) proposed a certain unit-level longitudinal model which was a special case of the General Linear Mixed Model. Two vectors of random components included in the model obey assumptions of simultaneous spatial autoregressive process (SAR) and temporal first-order autoregressive process (AR(1)) respectively. Moreover, it is assumed that the population can change in time and the population elements can change its domains’ (subpopulations’) affiliation in time. Under the proposed model, Żądło (2012) derived the Empirical Best Linear Unbiased Predictor (EBLUP) of the domain total. What is more (based on the theorem proved by Żądło (2009)), the approximate equation of the mean squared error (MSE) was derived and its estimator based on the Taylor approximation was proposed. The proposed MSE estimator was derived under some assumptions including that the variance-covariance matrix can be decomposed into linear combination of variance components. The assumption was not met under the proposed model. In the paper the jackknife MSE estimator for the derived EBLUP will be proposed based on the results presented by Jiang, Lahiri, Wan (2002). The bias of the jackknife MSE estimator will be compared in the simulation study with the bias of the MSE estimator based on the Taylor approximation.
Źródło:
Mathematical Economics; 2013, 9 (16); 117-127
1733-9707
Pojawia się w:
Mathematical Economics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
On empirical best linear unbiased predictor under a Linear Mixed Model with correlated random effects
O empirycznym najlepszym liniowym nieobciążonym predyktorze dla pewnego modelu mieszanego
Autorzy:
Krzciuk, Małgorzata K.
Powiązania:
https://bibliotekanauki.pl/articles/425054.pdf
Data publikacji:
2020
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
Empirical Best Linear Unbiased Predictor
small area estimation
Monte Carlo simulation analyses
empiryczny najlepszy liniowy nieobciążony predyktor
statystyka małych obszarów
badanie symulacyjne
Opis:
The problem of small area prediction is considered under a Linear Mixed Model. The article presents a proposal of an empirical best linear unbiased predictor under a model with two correlated random effects. The main aim of the simulation analyses is a study of an influence of the occurrence of a correlation between random effects on properties of the predictor. In the article, an increase of the accuracy due to the correlation between random effects and an influence of model misspecification in cases of the lack of correlation between random effects are analyzed. The problem of the estimation of the Mean Squared Error of the proposed predictor is also considered. The Monte Carlo simulation analyses and the application were prepared in R language.
Zagadnieniem poruszanym w artykule jest problem predykcji w przypadku pewnego modelu należącego do klasy liniowych modeli mieszanych. W opracowaniu została przedstawiona propozycja empirycznego najlepszego liniowego nieobciążonego predyktora dla liniowego modelu mieszanego z dwoma skorelowanymi efektami losowymi. Głównym celem opracowania jest symulacyjne zbadanie wpływu występowania zależności między efektami losowymi na własności rozważanego predyktora. W artykule podjęto również problem estymacji błędu średniokwadratowego zaproponowanego predyktora. Badanie symulacyjne oraz przykład przygotowano z użyciem programu R.
Źródło:
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2020, 24, 2; 19-29
1507-3866
Pojawia się w:
Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies