Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "empirical best linear unbiased predictor" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    On some calibration estimators of subpopulation total for longitudinal data
    Autorzy:
    Żądło, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/657601.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    longitudinal data
    general linear mixed model
    empirical best linear unbiased predictor
    calibration estimators
    Opis:
    The problem of modeling longitudinal profiles is considered assuming that the population and elements affiliation to subpopulation may change in time. The considerations are based on a model with auxiliary variables for longitudinal data with subject specific (in this case - element and subpopulation specific) random components (compare Verbeke, Molenberghs, 2000; Hedeker, Gibbons, 2006) which is a special case of the General Linear Mixed Model. In the paper calibration estimators of subpopulation total for data from one period are presented and some modifications for the case of longitudinal data are proposed. Design-based mean squared errors and its estimators are also presented. In the simulation study accuracy of the estimators is compared with Horvitz-Thomson estimator and the best empirical linear unbiased predictor derived for the considered model.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2011, 252
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    APPLICATION OF EBLUP ESTIMATION TO THE ANALYSIS OF SMALL AREAS ON THE BASIS OF POLISH HOUSEHOLD BUDGET SURVEY
    Autorzy:
    Jędrzejczak, Alina
    Kubacki, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/453676.pdf
    Data publikacji:
    2009
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    small area estimation
    empirical best linear unbiased predictor (EBLUP)
    household budget survey
    variance estimation
    Opis:
    In the paper the results of small area estimation using empirical best linear unbiased predictor (EBLUP) for the data coming from Polish Household Budget Survey are presented. The results were obtained using small area models of household expenditures for regions. Estimation of sampling errors was conducted by means of the balanced repeated replication (BRR) technique. The estimation of EBLUPs and their corresponding mean square errors (MSE) was carried out using variance components technique. To calculate MSE of EBLUP the maximum likelihood method (ML) and restricted maximum likelihood method (REML) were used. The computation was made using SAE package designed for R-project.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2009, 10, 1; 121-130
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Small Area Estimation of Income Under Spatial SAR Model
    Autorzy:
    Kubacki, Jan
    Jędrzejczak, Alina
    Powiązania:
    https://bibliotekanauki.pl/articles/465667.pdf
    Data publikacji:
    2016
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    small area estimation (SAE)
    SAR model
    hierarchical Bayes estimation
    spatial empirical best linear unbiased predictor
    Opis:
    The paper presents the method of hierarchical Bayes (HB) estimation under small area models with spatially correlated random effects and a spatial structure implied by the Simultaneous Autoregressive (SAR) process. The idea was to improve the spatial EBLUP by incorporating the HB approach into the estimation algorithm. The computation procedure applied in the paper uses the concept of sampling from a posterior distribution under generalized linear mixed models implemented in WinBUGS software and adapts the idea of parameter estimation for small areas by means of the HB method in the case of known model hyperparameters. The illustration of the approach mentioned above was based on a real-world example concerning household income data. The precision of the direct estimators was determined using own three-stage procedure which employs Balanced Repeated Replication, bootstrap and Generalized Variance Function. Additional simulations were conducted to show the influence of the spatial autoregression coefficient on the estimation error reduction. The computations performed by ‘sae’ package for R project and a special procedure for WinBUGS reveal that the method provides reliable estimates of small area means. For high spatial correlation between domains, noticeable MSE reduction was observed, which seems more evident for HB-SAR method as compared with the traditional spatial EBLUP. In our opinion, the Gibbs sampler, revealing the simultaneous nature of processes, especially for random effects, can be a good starting point for the simulations based on stochastic SAR processes.
    Źródło:
    Statistics in Transition new series; 2016, 17, 3; 365-390
    1234-7655
    Pojawia się w:
    Statistics in Transition new series
    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
    Tytuł:
    On the Simulation Study of Jackknife and Bootstrap MSE Estimators of a Domain Mean Predictor for Fay‑Herriot Model
    O badaniu symulacyjnym własności estymatorów MSE predyktora wartości średniej dla modelu Faya-Herriota bazujących na metodzie jackknife oraz bootstrap
    Autorzy:
    Krzciuk, Małgorzata Karolina
    Powiązania:
    https://bibliotekanauki.pl/articles/657111.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    estymatory MSE
    metoda jackknife
    parametryczna metoda bootstrap
    empiryczny najlepszy liniowy nieobciążony predyktor
    model Faya-Herriota
    badanie symaluacyjne
    estimators of MSE
    jackknife
    parametric bootstrap
    Empirical Best Linear Unbiased Predictor
    Fay‑Herriot model
    simulation
    Opis:
    W artykule rozważany jest problem estymacji błędu średniokwadratowego (MSE) w przypadku predykcji wartości średniej w domenie, w oparciu o model Faya-Herriota. W badaniu symulacyjnym analizowane są własności ośmiu estymatorów MSE, w tym bazujących na metodzie jackknife (Jiang, Lahiri, Wan (2002), Chen, Lahiri (2002, 2003)) oraz parametrycznej metodzie bootstrap (Gonzalez-Manteiga et al. (2008), Buthar, Lahiri (2003)). W modelu Faya-Herriota zakładana jest niezależność składników losowych, a obciążenia estymatorów MSE są małe dla dużej liczby domen. Celem artykułu jest porównanie własności estymatorów MSE przy różnej liczbie domen i błędnej specyfikacji modelu wynikającej z występowania korelacji efektów losowych w badaniu symulacyjnym.
      We consider the problem of the estimation of the mean squared error (MSE) of some domain mean predictor for Fay‑Herriot model. In the simulation study we analyze properties of eight MSE estimators including estimators based on the jackknife method (Jiang, Lahiri, Wan, 2002; Chen, Lahiri, 2002; 2003) and parametric bootstrap (Gonzalez‑Manteiga et al., 2008; Buthar, Lahiri, 2003). In the standard Fay‑Herriot model the independence of random effects is assumed, and the biases of the MSE estimators are small for large number of domains. The aim of the paper is the comparison of the properties of MSE estimators for different number of domains and the misspecification of the model due to the correlation of random effects in the simulation study.  
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2017, 5, 331; 169-183
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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