×
梅利克·奥乌斯·阿尔珀;伊夫·伯杰（Yves G.Berger）。

复杂抽样设计下的多级数据建模：经验似然法。 （英文） 兹比尔1510.62098

计算。统计数据分析。 145，文章ID 106906，16 p.（2020）.
摘要：社会、行为、健康或生物科学中使用的数据可能因感兴趣的人群或抽样设计而具有层次结构。多层次或边际模型通常用于分析此类层次数据。这些数据通常是从聚集和分层的人群中以不相等的概率选择的。提出了一种多水平模型回归参数的经验似然方法。它的优点是考虑了抽样设计。该方法可用于参数子向量的点估计、假设检验和置信区间。它为大小采样分数提供了渐近有效的推断。仿真研究表明了经验似然方法相对于其他参数方法的优势。使用国际学生评估计划（PISA）调查数据说明了拟议的方法。

MSC公司：

62D05型 抽样理论、抽样调查
62G05型 非参数估计

关键词：

基于设计的推理;广义估计方程;两阶段抽样;一致相关结构;回归系数;不等包含概率

软件：

R（右）;R2 WinBUGS软件
PDF格式BibTeX公司 XML格式引用
\textit{M.Oǧuz-Alper}和\textit{Y.G.Berger}，计算。统计数据分析。145，文章ID 106906，16 p.（2020；Zbl 1510.62098）
全文： 内政部 链接

参考文献：

[1] Aires，N.，《条件泊松抽样和帕累托抽样设计的比较》，J.Statist。计划。推理，82，1-15（2000）·Zbl 0956.62010号
[2] Asparouhov，T.，《带采样权重的一般多级建模》，Commun。Stat.理论方法，35439-460（2006）·Zbl 1084.62053号
[3] Berger，Y.G.，Horvitz-Thompson估计量的渐近方差收敛速度，J.Statist。计划。推理，74149-168（1998）·Zbl 1030.62509号
[4] Berger，Y.G.，《缺少观测值的集群抽样下的经验似然方法》，《Ann.Inst.Statist》。数学。(2018)
[5] Berger，Y.G.，《调查抽样中的经验似然法》，Surv。统计，78，22-31（2018）
[6] Berger，Y.G.，复杂抽样设计下的经验似然方法，Wiley StatsRef:Statistics Ref Online，20（2018）
[7] Berger，Y.G.，Berger的在线补充材料（2018a），Ann.Inst.Statist。数学。，13 (2018)
[8] Berger，Y.G.，Torres，O.D.L.R.，不等概率调查数据经验似然比置信区间的统一理论。在：美国统计协会调查研究方法部分会议记录，联合统计会议，圣地亚哥，15，http://www.asasrms.org/会议记录（2019年11月）。
[9] 伯杰，Y.G。；Torres，O.D.L.R.，《经验似然置信区间：在欧盟-国际LC家庭调查中的应用》，（Mecatti，F.；Conti，P.L.；Ranalli，M.G.，《抽样统计贡献》，《统计贡献》（2014），施普林格出版社），65-84
[10] 伯杰，Y.G。；Torres，O.D.L.R.，《复杂抽样设计下推断的经验似然方法》，J.R.Stat.Soc.Ser。B统计方法。，78, 319-341 (2016) ·Zbl 1414.62046号
[11] Binder，D.A.，《关于复杂调查中渐近正态估计的方差》，《国际统计评论》，第51期，第279-292页（1983年）·Zbl 0535.62014号
[12] Binder，法学博士。；Patak，Z.，《使用估算函数进行复杂调查估算》，J.Amer。统计师。协会，89，1035-1043（1994）·Zbl 0825.62392号
[13] 南部乔杜里。；手动旋塞，M.S。；Rendall，M.S.，《包含人口水平信息的广义线性模型：基于经验的方法》，J.R.Stat.Soc.Ser。B统计方法。，70, 311-328 (2008) ·Zbl 1148.62056号
[14] 陈，S。；Kim，J.K.，《调查抽样中非参数推断的总体经验似然》，统计学。Sinica，24，335-355（2014）·Zbl 1416.62076号
[15] 陈，J。；Sitter，R.R.，《在复杂调查中有效使用辅助信息的伪经验似然方法》，Statist。Sinica，9385-406（1999）·Zbl 0930.62005号
[16] 陈，J。；Sitter，R.R。；Wu，C.，使用经验似然方法获得调查回归估计值的范围限制权重，Biometrika，89，230-237（2002）·兹比尔0997.62008
[17] Clogg，C。；Eliason，S.，对数线性分析中的一些常见问题，社会学。方法研究，16，8-44（1987）
[18] D’Agostino，R.，（g_1）零分布的正态变换，生物统计学，57679-681（1970）·Zbl 0203.51902号
[19] Deville，J.C.，《复杂统计和估计器的方差估计：线性化和残差技术》，Surv。卫理公会。，25, 193-203 (1999)
[20] Deville，J.C。；Särndal，C.E.，《调查抽样中的校准估计器》，J.Amer。统计师。协会，87，376-382（1992）·Zbl 0760.62010号
[21] Diggle，P。；赫格蒂，P。；Liang，K。；Zeger，S.，《纵向数据分析》（2002），牛津大学出版社：牛津大学出版社
[22] Fuller，W.A.，拒绝抽样程序的一些设计特性，Biometrika，96，933-944（2009）·Zbl 1179.62020号
[23] Ganzeboom，H.B。；格拉夫，P.M.D。；Treiman，D.J.，职业地位的标准国际社会经济指数，《社会科学》。研究，21，1-56（1992）
[24] 戈达姆，V.P。；汤普森，M.，《估算函数和调查抽样》（Pfeffermann，D.；Rao，C.，《抽样调查：推断和分析》，抽样调查：推理和分析，《统计手册》（2009年），爱思唯尔：阿姆斯特丹），83-101
[25] Goldstein，H.，使用迭代广义最小二乘的多级混合线性模型分析，Biometrika，73，43-56（1986）·Zbl 0587.62143号
[26] Graubard，B。；Korn，E.，《健康调查分析中的抽样设计建模》，《统计方法医学研究》，第5期，第263-281页（1996年）
[27] 格里利，L。；Pratesi，M.，《信息抽样设计下多级序数和二进制模型中的加权估计》，Surv。卫理公会。，30, 93-103 (2004)
[28] Hájek，J.，有限总体不同概率拒绝抽样的渐近理论，《数学年鉴》。Stat.，35，1491-1523（1964）·Zbl 0138.13303号
[29] Hájek，J.，《有限人口抽样》（1981），马塞尔·德克尔：马塞尔·戴克尔纽约·Zbl 0494.62008号
[30] 汉森，M.H。；Hurwitz，W.N.，《有限总体抽样理论》，《数学年鉴》。统计，14，333-362（1943）·Zbl 0060.30104号
[31] H.O.哈特利。；Rao，J.N.K.，《不带替换的不等概率抽样》，《数学年鉴》。《法律总汇》第33卷，第350-374页（1962年）·Zbl 0121.13704号
[32] 哈齐扎，D。；Mecatti，F。；Rao，J.N.K.，《Rao-Sampford方法下方差估计值的比较：模拟研究》（Proc.Survey Methods Sec.（2004），《美国统计》。协会），3638-3643
[33] 霍维茨，D.G。；汤普森，D.J.，《有限宇宙中不替换抽样的推广》，J.Amer。统计师。协会，47，663-685（1952）·Zbl 0047.38301号
[34] Isaki，C.T。；Fuller，W.A.，回归超人口模型下的调查设计，J.Amer。统计师。协会，77，89-96（1982）·兹比尔0511.62016
[35] Kim，J.K.，在调查抽样中使用经验似然进行校准估计，统计学。Sinica，19，145-157（2009）·Zbl 1153.62006年
[36] Kim，J.K。；南帕克。；Lee，Y.，在信息集群抽样下使用广义线性混合模型的统计推断，Canad。J.统计。，45, 479-497 (2017) ·Zbl 1474.62277号
[37] 科瓦切维奇，M。；Rai，S.，调查数据多级建模的伪最大似然方法，Commun。统计-理论方法，32，103-121（2003）·Zbl 1029.62011号
[38] Liang，K。；Zeger，S.，使用广义线性模型的纵向数据分析，Biometrika，73，13-22（1986）·兹比尔0595.62110
[39] Longford，N.，《教育测试中的不确定性模型》（1995），施普林格：施普林格纽约·Zbl 0841.62100号
[40] Matei，A。；Tillé，Y.，《不等概率和固定样本大小的最大熵抽样中方差近似值和估计值的评估》，J.Off.Stat.，21，543-570（2005）
[41] Neyman，J.，《关于代表性方法的两个不同方面：分层抽样方法和有目的选择方法》，J.R.Stat.Soc.，97，558-625（1938）
[42] 比萨2006年技术报告（2006年）
[43] PISA 2006：《明天世界的科学能力》，第1卷——分析（2007），经合组织出版社：经合组织出版社巴黎
[44] Oǧuz-Alper，M。；Berger，Y.G.，建模调查数据的经验似然法，Biometrika，103，447-459（2016）·Zbl 1499.62056号
[45] Owen，A.B.，单个功能的经验似然比置信区间，Biometrika，75，237-249（1988）·Zbl 0641.62032号
[46] Owen，A.B.，线性模型的经验似然，Ann.Statist。，19, 1725-1747 (1991) ·Zbl 0799.62048号
[47] Owen，A.B.，实证可能性（2001），查普曼和霍尔：纽约查普曼和霍尔·Zbl 0989.62019
[48] Pfeffermann，D。；F.莫拉。；Silva，P.，《信息采样下的多级建模》，《生物统计学》，93，943-959（2006）·Zbl 1436.62046号
[49] Pfeffermann，D。；斯金纳，C。；霍姆斯，D。；Goldstein，H。；Rasbash，J.，《多级模型中不等选择概率的加权》，J.R.Stat.Soc.Ser。B统计方法。，60, 23-40 (1998) ·兹比尔0909.62006
[50] 波托夫，R。；伍德伯里，M。；Manton，K.，“等效样本量”和“等效自由度”改进，用于在超级总体模型下使用调查权重进行推断，J.Amer。统计师。协会，87，383-396（1992）·Zbl 0783.62012号
[51] R核心团队，R:A Language and Environment for Statistical Computing（2019），R Foundation for Statistic Computing:R Foundation for Statistical Competing Vienna，Austria，https://www.r-project.org/
[52] Rabe-Hesketh，S。；Skrondal，A.，复杂调查数据的多级建模，J.R.Stat.Soc.A，169，805-827（2006）
[53] Rao，J.N.K。；Molina，I.，《小面积估算》（2015），Wiley:Wiley Hoboken，NJ·兹比尔1323.62002
[54] Rao，J。；Scott，A.，《来自复杂样本调查的分类数据分析：双向表中拟合优度和独立性的卡方检验》，J.Amer。统计师。协会，76221-230（1981）·Zbl 0473.62010号
[55] Rao，J.N.K。；Verret，F。；Hidiroglou，M.，从调查数据推断两级模型的加权复合似然方法，Surv。卫理公会。，39, 263-282 (2013)
[56] Rao，J.N.K。；Wu，C.F.J。；Yue，K.，《关于复杂调查重采样方法的一些最新研究》，Surv。卫理公会。，18, 209-217 (1992)
[57] 塞恩达尔，C.E。；斯文森，B。；Wretman，J.H.，《模型辅助调查抽样》（1992），Springer-Verlag:Springer-Verlag New York·Zbl 0742.62008号
[58] 斯金纳，C.，《领域均值、回归和多元分析》（斯金纳C.J.；霍尔特D.；史密斯T.M.F.，《复杂调查分析》（1989），威利：威利·奇切斯特），59-87
[59] 斯金纳，C.J。；Vieira，M.D.T.，聚类纵向调查数据分析中的方差估计，Surv。卫理公会。，33, 3-12 (2007)
[60] Sturtz，S。；利格斯，美国。；Gelman，A.，R2winbugs:运行r，J.Stat.Softw中winbugs的包。，12, 1-16 (2005), http://www.jstatsoft.org
[61] Tan，Z。；Wu，C.，复杂调查的广义伪经验似然推断，加拿大。J.统计。，43, 1-17 (2015) ·兹比尔1314.62037
[62] 吴，C。；Rao，J.N.K.，《复杂调查的伪经验似然比置信区间》，加拿大。J.统计。，34, 359-375 (2006) ·Zbl 1104.62008年
[63] 你，Y。；Rao，J.，使用调查权重进行小面积估算的伪经验最佳线性无偏预测方法，Canad。J.统计。，30, 431-439 (2002) ·Zbl 1018.62008号
[64] 赵，P。；Wu，C.，复杂调查的经验似然法的一些理论和实践方面，国际。统计师。版次：87、239-256（2018）·Zbl 07767689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。