×
玛丽亚·弗朗西斯卡·马里诺;玛丽亚·乔瓦娜·拉纳利;尼古拉·萨尔瓦蒂;马可·阿尔夫

小面积失业指标估计的半参数经验最佳预测。 （英语） Zbl 1423.62162号

附录申请。斯达。 第2期第13期，1166-1197（2019）。
摘要：意大利国家统计研究所（Italian National Institute for Statistics）定期使用劳动力调查数据提供失业指标估计值。然而，无法对当地劳动力市场地区的失业率进行直接估算。这些是计划外领域，定义为城市集群；许多地区是样本不足的地区，大多数地区的特点是样本量较小，这使得直接估计不充分。经验最佳预测值代表了一种基于模型的适当替代方案。然而，对于非高斯响应，其计算和均方误差解析近似的计算需要求解（可能）通常没有闭合形式的多重积分。为了解决这个问题，蒙特卡罗方法和参数引导是常见的选择，尽管计算负担很重要。在本文中，我们为（可能）非线性混合效应模型提出了一个半参数经验最佳预测因子，方法是不指定特定区域随机效应的分布，并根据观测数据进行估计。众所周知，这种方法会导致离散混合分布，这有助于避免无法验证的参数假设和重积分近似。我们还导出了相应均方误差的二阶偏校正解析近似。通过大规模仿真研究测试了该方法的有限样本特性。此外，该建议适用于2012年意大利劳动力调查的单位级数据，以使用行政登记簿和2011年人口普查的辅助信息估计611个当地劳动力市场地区的失业率。

引用于7文件

MSC公司：

62第20页 统计学在经济学中的应用
62J05型 线性回归；混合模型
62J12型 广义线性模型（逻辑模型）
62D05型 抽样理论、抽样调查

关键词：

二进制数据;指数族;有限混合物;一般参数;混合logistic模型;单元级模型;小面积估算

软件：

S-PLUS系统;R（右）;lme4公司
PDF格式BibTeX公司 XML格式引用
\textit{M.F.Marino}等人，Ann.Appl。Stat.13，No.2，1166--1197（2019；Zbl 1423.62162）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Aitkin，M.（1996）。广义线性模型中过度分散的一般极大似然分析。统计计算6 251-262。
[2] Aitkin，M.（1999）。广义线性模型中方差分量的一般最大似然分析。生物统计学55 117-128·Zbl 1059.62564号 ·doi:10.1111/j.0006-341X.1999.00117.x
[3] Bates，D.、Mächler，M.、Bolker，B.和Walker，S.（2015）。使用lme4拟合线性混合效应模型。J.Stat.Softw.67 1-48。
[4] Battese，G.、Harter，R.和Fuller，W.（1988年）。利用调查和卫星数据预测县域作物面积的误差分量模型。J.Amer。统计师。协会83 28-36。
[5] Böhning，D.（1982）。求复合泊松过程最大似然估计的Simar算法的收敛性。Ann.Statist.10 1006-1008年·Zbl 0523.62074号
[6] Boubeta，M.、Lombardía，M.J.和Morales，D.（2016）。区域级泊松混合模型下的经验最佳预测。测试25 548-569·Zbl 06833262号
[7] Boubeta，M.、Lombardía，M.J.和Morales，D.（2017年）。研究小地区贫困的泊松混合模型。计算。统计师。数据分析107 32-47·Zbl 1466.62036号
[8] Breslow，N.E.和Clayton，D.G.（1993年）。广义线性混合模型中的近似推理。J.Amer。统计师。协会88 9-25·Zbl 0775.62195号
[9] Brown，G.、Chambers，R.、Heady，P.和Heasman，D.（2001年）。小面积估算方法评估：应用于英国LFS的失业估算。过程中。加拿大统计局。《在统计机构中实现数据质量：方法论视角》，赫尔：加拿大统计局。
[10] Chen，J.H.（1995年）。有限混合模型的最优收敛速度。统计年鉴23 221-233·兹比尔0821.62023
[11] Chen，S.X.和Liu，J.S.（1997）。泊松二项分布和条件伯努利分布的统计应用。统计师。Sinica7 875-892·Zbl 1067.62511号
[12] D’Aló，M.、Falorsi，S.和Solari，F.（2017年）。用于大型数据集的时空单位级EBLUP。J.Off.Stat.33 61-77。
[13] D'Aló，M.、Di Consiglio，L.、Falorsi，S.、Ranalli，M.G.和Solari，F.（2012）。在小区域模型中使用空间信息估算意大利副省级地区的失业率。《印度社会农业统计杂志》66 43-53。
[14] Dempster，A.P.、Laird，N.M.和Rubin，D.B.（1977年）。通过EM算法从不完整数据中获得最大似然。J.罗伊。统计师。Soc.序列号。B39 1-38·Zbl 0364.62022号
[15] Gneiting，T.（2011）。做出并评估点预测。J.Amer。统计师。协会106 746-762·Zbl 1232.62028号
[16] González-Manteiga，W.、Lombardía，M.J.、Molina，I.、Morales，D.和Santamaria，L.（2007年）。logistic混合模型下小面积线性参数预测因子的均方误差估计。计算。统计师。数据分析51 2720-2733·Zbl 1161.62349号
[17] Hobza，T.和Morales，D.（2016年）。单位级logit混合模型下的经验最佳预测。J.Off.Stat.32 661-692。
[18] Hobza，T.、Morales，D.和Santamaria，L.（2018年）。单位时间二项式混合模型下贫困比例的小面积估算。测试27 270-294·Zbl 1404.62075号 ·doi:10.1007/s11749-017-0545-3
[19] 江杰（1998）。广义线性混合模型中的一致估计。J.Amer。统计师。协会93 720-729·Zbl 0926.62051号
[20] Jiang，J.（2003年）。基于广义线性混合模型的小面积推理的经验最佳预测。J.统计。计划。推断111 117-127·Zbl 1033.62067号
[21] Jiang，J.和Lahiri，P.（2001）。二元数据小面积推理的经验最佳预测。Ann.Inst.统计。数学53 217-243·Zbl 1027.62012年 ·doi:10.1023/A:1012410420337
[22] Laird，N.（1978年）。混合分布的非参数极大似然估计。J.Amer。统计师。协会73 805-811·Zbl 0391.62029号
[23] Laird，N.M.和Ware，J.H.（1982年）。纵向数据的随机效应模型。生物统计学38 963-974·Zbl 0512.62107号
[24] Lindsay，B.G.（1983年a）。混合可能性的几何：一般理论。统计年鉴11 86-94·Zbl 0512.62005号
[25] Lindsay，B.G.（1983b）。混合物可能性的几何结构。二、。指数族。统计年鉴11 783-792·Zbl 0534.62002号
[26] Lindsay，B.G.和Lesperance，M.L.（1995年）。半参数混合模型综述。J.统计。计划。推断47 29-39·Zbl 0832.62027号
[27] López-Vizcaíno，E.、Lombardía，M.J.和Morales，D.（2013）。劳动力指标的基于多项式的小面积估算。统计模型13 153-178·Zbl 07257453号
[28] Marino，M.F.、Ranalli，M.G.、Salvati，N.和Alfó，M（2019）。对“失业指标小区域估计的半参数实证最佳预测”的补充。DOI:10.1214/18-AOAAS1226SUPP·Zbl 1423.62162号
[29] McCulloch，C.E.（1997）。广义线性混合模型的最大似然算法。J.Amer。统计师。协会92 162-170·Zbl 0889.62061号
[30] Molina，I.、Nandram，B.和Rao，J.N.K.（2014）。一般参数的小面积估计及其在贫困指标中的应用：层次贝叶斯方法。附录申请。统计数字8 852-885·Zbl 1454.62489号
[31] Molina，I.、Saei，A.和LombardíA，M.J.（2007年）。多项式logit混合模型下劳动力参与的小范围估计。J.罗伊。统计师。Soc.序列号。A170 975-1000。
[32] Mundlak，Y.（1978年）。关于时间序列和横截面数据的汇集。计量经济学46 69-85·Zbl 0397.62066号
[33] Neuhaus，J.M.和McCulloch，C.E.（2006年）。使用条件和划分方法分离簇内和簇间协变量效应。J.R.统计社会服务。B.统计方法68 859-872·Zbl 1110.62093号
[34] Oakes，D.（1999）。通过EM算法直接计算信息矩阵。J.R.统计社会服务。B.《美国法律总汇》方法61 479-482·Zbl 0913.62036号
[35] Pinheiro，J.和Bates，D.（1995）。非线性混合效应模型中对数似然函数的近似。J.计算。图表。统计4 12-35。
[36] Prasad，N.G.N.和Rao，J.N.K.（1990年）。小面积估计器均方误差的估计。J.Amer。统计师。协会85 163-171·Zbl 0719.62064号
[37] Rao，J.N.K.和Molina，I.（2015）。《小面积估算》，第二版，《勘测方法学中的威利系列》。新泽西州霍博肯威利·Zbl 1323.62002号
[38] Redner，R.A.和Walker，H.F.（1984年）。混合密度、最大似然和EM算法。SIAM版本26 195-239·Zbl 0536.62021号
[39] Rodriguez，G.和Goldman，N.（1995年）。评估具有二进制响应的多级模型的估计程序。J.罗伊。统计师。Soc.序列号。A158 73-89。
[40] Saei，A.和Chambers，R.（2003年）。具有时间和面积效应的线性和广义线性混合模型下的小面积估计。在S3RI方法论工作文件1-35中。南安普敦统计科学研究所，南安普顿。
[41] Simar，L.（1976年）。复合泊松过程的最大似然估计。统计年鉴4 1200-1209·Zbl 0362.62095号
[42] Venables，W.N.和Ripley，B.D.（1994年）。S-Plus现代应用统计学。统计与计算。纽约州施普林格·Zbl 0806.62002号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。