Robust Empirical Bayes Small Area Estimation with Density Power Divergence
一个两阶段的正常层次模型称为费伊-赫里奥特模型和经验贝叶斯估计被广泛用于提供间接和基于模型的估计手段在小面积。然而,当假设的正态分布被错误指定时,经验贝叶斯估计的性能可能很差。在这篇文章中,我们提出了一个简单的修改,通过使用密度功率发散,并提出了一个新的鲁棒经验贝叶斯小区域估计。基于模型参数鲁棒估计的渐近性质,推导出了估计量的均方误差和估计的均方误差。我们调查所提出的方法,通过模拟和应用调查数据的数值性能。
2019-08-23 stat.ME
Conjugate Modeling Approaches for Small Area Estimation with Heteroscedastic Structure
小面积估计已成为官方统计的一个重要工具,用于估算样本量较小的领域的人口数量。典型的区域级模型作为一种异方差回归,其中假设每个域的方差是已知的,并在基于设计的估计之后插入。最近的工作已经考虑了方差的分层模型,其中基于设计的估计值被用作额外的数据点,以模拟每个域中的潜在真实方差。这些分层模型可能包含协变量信息,但在高维环境中可能难以采样。利用最近的分布理论,我们探讨了一类贝叶斯分层模型的小面积估计平滑的设计为基础的估计的均值和方差。此外,我们开发了一类异方差高斯响应数据的单位级模型。重要的是,我们结合了协变量信息以及空间依赖性,同时保留了一个共轭模型结构,允许有效的采样。我们说明我们的方法,通过实证模拟研究,以及使用美国社区调查的数据的应用程序。
2022-09-04 stat.ME
On Conditional Prediction Errors in Mixed Models with Application to Small Area Estimation
混合模型中的经验Bayes估计对于小区域估计是有用的,在增加小区域平均值的预测精度的意义上,人们想要知道基于数据的经验Bayes估计的预测误差。本文研究的是混合模型中的条件预报误差,而不是传统的无条件预报误差。在基于二次方差函数的自然指数族的混合模型中,证明了在远离正态分布的情况下,条件和无条件预测误差之间的差异是显著的。特别是对于Binomial-beta混合模型和Poisson-gamma混合模型,条件预报误差的前导项在小区域内分别是直接估计的二次凹函数和增函数,而相应的无条件预报误差的前导项是常数.二阶无偏估计量无偏估计量的条件预测误差也来自和他们的性能进行了检查,通过模拟和实证研究。
2015-11-23 stat.ME
Pseudo-Bayesian unit level modeling for small area estimation under informative sampling
本文提出一种伪贝叶斯单元级小区域估计方法,通过纳入抽样权重处理信息性抽样,并引入后处理重缩放步骤校准可信集,从而在真实与模拟数据上获得接近名义覆盖率的估计结果。
2023-09-21 stat.ME
Small Area Estimation of Fertility in Low- and Middle-Income Countries
本文针对中低收入国家精细空间尺度生育率估计中的数据稀疏问题,提出基于小区域估计和贝叶斯分层模型的框架,利用DHS数据生成区级ASFR和TFR估计。
2025-07-04 stat.ME
New Methods for Small Area Estimation with Linkage Uncertainty
在官方统计中,由于需要从不同来源提取信息,对数据整合的兴趣日益增长。然而,这些程序对所得到的统计分析的有效性的影响长期以来一直被忽视。近年来,人们普遍认识到,联系不是一个没有错误的过程,联系错误,如假联系和/或漏联系,可能使标准统计模型中估计数的可靠性失效。在本文中,我们考虑的一般问题,使用的数据,已被概率联系,我们探讨了潜在的连锁误差对生产的小面积估计的影响。我们描述了现有的方法,并提出和比较新的方法都从一个经典的贝叶斯的角度来看。我们进行了模拟研究,以评估利弊的每一种方法,我们的模拟计划的目的是在重现一个现实的背景下,小面积的估计和记录连接程序。
2017-12-07 stat.ME
On improving the estimates of the sampling variances via Global-Local priors in Small Area Estimation
Department of Statistics, University of California, Davis(加州大学戴维斯分校统计系)
研究小区域估计中抽样方差估计问题,提出纳入全局-局部先验的新贝叶斯模型改进后验估计,研究其理论性质并开发算法,通过模拟和实际应用验证该模型性能。
2026-07-10 stat.ME
Small Area Bayesian Dynamic Borrowing: Adaptive Subgroup Estimation for Large-Scale Educational Assessments
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
针对大规模教育评估中亚组成绩估计受样本量限制的问题,本研究提出SABDB方法,经模拟和PISA 2018数据验证,其覆盖率接近名义水平,优于校准错误的HBSAE模型。
2026-08-11 stat.AP stat.ME
A Two-Stage Bayesian Small Area Estimation Approach for Proportions
本文提出一种两阶段贝叶斯层次小区域估计方法,用于在数据稀疏或缺失调查数据时稳健估计比例,并通过模拟和澳大利亚吸烟流行率实证验证其预测性能优于现有方法。
2023-12-05 stat.AP stat.ME
Small Area Estimation of Health Outcomes
小区域估计(SAE)需要估计域(通常是地理区域)的感兴趣的特征,在这些域中可能很少或没有可用的样本。SAE有着悠久的历史,从一系列令人困惑的哲学观点出发,提出了各种各样的方法。我们描述了基于设计和基于模型的方法和模型,指定在区域一级和单位一级,专注于健康应用程序和完全贝叶斯空间模型。辅助信息的使用是成功推理的关键因素时,响应数据是稀疏的,我们讨论了一些方法,允许包含协变量数据。使用2015-2016年马拉维人口健康调查收集的数据,艾滋病毒流行率的SAE用于说明一些技术。讨论了SAE技术在COVID-19相关结局中的潜在用途。
2020-06-18 stat.AP stat.ME
Direct-Assisted Bayesian Unit-level Modeling for Small Area Estimation of Rare Event Prevalence
University of Washington(华盛顿大学)
本文提出两种单元级贝叶斯模型,利用高层直接估计提高稀有事件患病率小区域估计的聚合一致性,并应用于赞比亚新生儿死亡率估计。
2025-10-09 stat.AP stat.ME
Robust Hierarchical Bayes Small Area Estimation for Nested Error Regression Model
许多国家的国家统计机构现在被授权为按地理和(或)人口划分的小区域编制人口、收入、失业、健康结果等重要变量的可靠统计数据。由于这些地区的样本量较小,直接基于样本的估计往往不可靠。基于模型的小面积估计现在被广泛用于通过适当的模型从其他地区和相关变量“借用力量”来生成可靠的统计数据。离群值对基于标准模型的小面积估计值产生不利影响。为了处理离群值,Sinha和Rao(2009)提出了一种鲁棒的频率论方法。在这篇文章中,我们提出了一个强大的贝叶斯替代嵌套误差回归模型的单位级数据,以减少离群值。我们考虑了一个两个组件的混合比例的正态分布的单位水平的误差模型离群值,并提出了一种计算方法,以产生贝叶斯预测的小面积平均值下的非信息先验模型参数。一个真实的例子和广泛的模拟令人信服地表明我们的贝叶斯预测离群值的鲁棒性。模拟比较这两种方法与Datta和Ghosh(1991)的贝叶斯预测和Chambers等人(2014)的M分位数估计的结果表明,当存在离群值时,我们提出的方法在偏倚,变异性和预测区间的覆盖概率方面优于其他方法。优越的频率性能,我们的程序显示其双重(贝叶斯和频率)的优势,并使其吸引力的所有从业者,贝叶斯和频率,小面积估计。
2018-10-24 stat.AP stat.ME
Reconciliation of Bayes and empirical Bayes interval estimation with application to small area estimation
University of Maryland, College Park(马里兰大学帕克分校);Kyushu University(九州大学)
本文针对二级正态模型下随机效应的区间估计,提出经验贝叶斯和分层贝叶斯方法的协调框架,通过精心选择“匹配先验”,使二阶有效经验贝叶斯置信区间可视为可信区间,经模拟研究和实际数据分析证实了理论结果。
2026-07-14 math.ST stat.ME stat.TH
Heavy tailed priors: an alternative to non-informative priors in the estimation of proportions on small areas
我们探索柯西和一个新的重尾(Fuquene,Perez和Pericchi(2011))先验估计小区域的比例。使用分层模型和指数族形式的二项式似然。我们相信,在调查抽样设置重尾先验可能比选择无信息先验更有效地消除对涉及主观因素或假设的方法的反感。为了说明稳健的贝叶斯方法,我们将此方法应用于一个流行的例子:“贝叶斯问题”。最后,我们建议在小区域内不存在或存在离群值时使用Cauchy先验,当离群值是特定的小区域时使用Fuquene et al.(2011)先验。
2012-12-07 math.ST stat.ME stat.TH
Regularized Small Area Estimation with Graph Laplacian Benchmarking priors
University of California, Davis(加州大学戴维斯分校);George Mason University(乔治梅森大学)
该研究提出带图拉普拉斯基准先验的贝叶斯框架,用于小区域估计,通过定制MCMC算法实现后验计算,经模拟和哥伦比亚市级平均家庭规模估计验证,多视图模型表现更优。
2026-10-09 stat.CO stat.ME stat.ML
Small Area Estimation of Inequality Measures using Mixtures of Beta
本文提出基于Beta混合的贝叶斯层次小区域模型,用于估计基尼、泰尔和Atkinson等不平等指标,在EU-SILC数据上优于标准Beta回归,并推导了近似方差函数。
2023-09-15 stat.AP stat.ME
stLMM: Bayesian Spatial and Space-Time Linear Mixed Models for Small-Area Ecological Estimation
Department of Forestry, Michigan State University(密歇根州立大学林学院);Department of Statistics and Probability, Michigan State University(密歇根州立大学统计与概率学院)
研究为小区域生态估计开发stLMM包,有多种潜在效应公式接口,采用共享稀疏精度实现,给出从模型拟合到预测等的后验抽样工作流程,以华盛顿县生物量示例展示。
2026-11-13 stat.CO stat.ME
A Bayesian semi-parametric model for small area estimation
在公共卫生管理方面,有必要编制国家以下各级的卫生成果估计数。然而,往往没有资金来收集足够大的样本,以便为每个国家以下一级地区编制传统的调查样本估计数。虽然参数分层方法已成功地用于从小样本中获得估计值,但人们担心美国人口的地理多样性可能在这些模型中被过度简化。在本文中,一个半参数模型被用来描述模型的地理变异组件。具体来说,我们假设Dirichlet过程的混合物的法线特定于县的随机效应。结果进行比较的基础上的狄利克雷过程的基本措施的参数模型,使用二进制的健康结果相关的乳房X光检查的使用。
2008-05-21 stat.AP stat.ME
Hierarchical models for small area estimation using zero-inflated forest inventory variables: comparison and implementation
Michigan State University(密歇根州立大学);Reed College(里德学院);Redcastle Resources, Inc.(红城堡资源公司);USDA Forest Service(美国农业部林务局)
本研究比较了九种小域估计方法,发现结合零膨胀两阶段建模、县级随机效应和空间随机效应的分层模型能最准确地估计美国县级森林生物量。
2025-11-09 stat.AP stat.ME
Bayesian model comparison and model averaging for small-area estimation
本文研究了肺癌死亡率数据的小区域估计问题,并讨论了区域间变异的上层模型的选择。关于这些区域的随机效应的推断可能在很大程度上取决于该模型的选择,但这种选择并不是一件简单的事情。我们给出了一个通用的方法来评估不同模型的数据证据,并对合理的模型进行平均,以提供强大的面积效应分布。我们重新分析了Tsutakawa [Biometrics 41(1985)69- 79]关于密苏里州城市肺癌死亡率的数据,并显示了这种方法得出的关于城市死亡率的结论的差异。
2009-05-22 stat.AP
Fully Bayesian Spectral Clustering and Benchmarking with Uncertainty Quantification for Small Area Estimation
Department of Statistics and Data Science, University of California, Davis(加州大学戴维斯分校统计与数据科学系)
本文提出了一种基于频谱聚类的贝叶斯模型,用于小区域估计,通过引入条件后验均方误差来量化不确定性,并通过模拟和案例研究验证了其有效性。
2026-10-14 stat.ME stat.ML
Multi-time small-area estimation of oil and gas production capacities by Bayesian multilevel modeling
本文提出贝叶斯多层建模方法,利用巴肯地区2012-2024年数据,结合坐标系统与用水用砂强度,实现多时间小区域油气产能估计及不确定性预测。
2025-03-25 stat.AP
sae4health: An R Shiny Application for Small Area Estimation in Low- and Middle-Income Countries
University of Washington(华盛顿大学);University of California, Santa Cruz(加州大学圣克鲁兹分校)
本文介绍开放获取的 R Shiny 应用 sae4health,它基于多国 DHS 数据和 INLA 贝叶斯空间模型,免编程生成150多项卫生指标的次国家级小区域估计。
2025-09-29 stat.CO
PriorVAE: Encoding spatial priors with VAEs for small-area estimation
University of Oxford(牛津大学);University of Michigan(密歇根大学);Imperial College London(帝国理工学院);University of Copenhagen(哥本哈根大学)
针对高斯过程在小区域空间统计建模中的计算与可扩展性挑战,提出深度生成方法PriorVAE,利用变分自编码器近似GP先验,通过低维潜在空间实现高效贝叶斯推理。
2022-05-16 cs.LG stat.ML
Mapping Subnational Vulnerability to Inadequate Micronutrient Intake using a Bayesian Small Area Estimation Framework
University of Oxford(牛津大学);World Food Programme(世界粮食计划署);Duke University(杜克大学);London School of Hygiene & Tropical Medicine(伦敦卫生与热带医学院)
本文通过贝叶斯小区域估计方法,利用家庭消费和支出调查数据,评估地方性微量营养素摄入不足的分布,提升地方营养干预的精准性。
2026-08-27 stat.AP
Semiparametric Small Area Estimation of Crop Acreage under Partially Linear Model
线性混合模型下的小区域估计在以往的研究中几乎都假设小区域效应是随机效应。本文提出了一种新的方法,将小面积效应解释为面积指示变量的未知函数,即一种半参数模型。面积效应的非参数部分用惩罚样条表示,并在线性混合模型框架下进行估计和推断。给出了经验估计量的均方误差,并考虑了小面积效应的检验。此外,一些数值模拟表明,该方法的良好性能。
2014-04-15 stat.ME
New Bias Calibration for Robust Estimation in Small Areas
使用抽样调查作为一种成本效益高的工具,在人口和亚人口(地区/领域)一级提供有关特征的估计数,在“小地区估计”方面有着悠久的传统。然而,样本数据中离群值的存在会显著影响对它们出现的区域的估计,特别是在域样本量较小的情况下。基于现有的小区域估计的稳健估计,我们提出了两种新的方法进行偏差校准。一系列的模拟表明,我们的方法导致更有效的估计与其他现有的偏差校准方法相比。作为一个真实的数据例子,我们应用我们的估计获得\textit{Gini}系数在意大利托斯卡纳地区的劳动力市场领域,我们的信息来源是欧盟-SILC调查和意大利人口普查。这一分析表明,新方法揭示了与现有方法不同的情况。我们将我们的想法扩展到非采样区域的预测。
2021-01-12 stat.ME
Adaptively Robust Small Area Estimation: Balancing Robustness and Efficiency of Empirical Bayes Confidence Intervals
基于著名的Fay-Herriot模型的经验贝叶斯小区域估计可能会产生不可靠的估计时,边远地区存在。现有的鲁棒方法对离群值或模型误设通常是低效的,当假设的分布是合理的。本文提出了一个简单的修改标准的经验贝叶斯方法,自适应平衡鲁棒性和效率。该方法采用伽玛发散代替边缘对数似然,并通过追求面积参数的经验贝叶斯置信区间的有效性来优化控制鲁棒性的调整参数。我们提供了一个渐近理论的假设分布和存在的边远地区的正确规范下的方法。我们调查的数值性能,所提出的方法,通过模拟和应用小面积估计的平均犯罪人数。
2022-06-27 stat.ME
Small area estimation of dependent extreme value indices
Graduate School of Science and Engineering, Kagoshima University(鹿儿岛大学理工学研究科)
本文提出混合效应模型用于小区域依赖极值指数的估计,通过区域间相关性预测EVI并评估暴雨风险。
2026-01-07 stat.ME
Accounting for the Fraction of Carcasses outside the Searched Area and the Estimation of Bird and Bat Fatalities at Wind Energy Facilities
针对风能设施鸟类蝙蝠死亡数估算需考虑搜索区外尸体的问题,研究了相关空间预测难点,推出可建模尸体密度与涡轮距离关系、估算搜索区内尸体比例的R包dwp,为相关死亡估算软件提供关键参数支持。
2023-07-13 stat.ME
A Nested Error Regression Model with High Dimensional Parameter for Small Area Estimation
本文提出了一个灵活的高维嵌套误差回归小区域模型,它在回归系数和方差分量中引入了异质性。我们开发了一个新的强大的小区域特定的估计方程的方法,允许适当汇集大量的地区在估计小区域特定的模型参数。我们提出了一个参数自助和刀切法估计不仅均方误差,但也常用的不确定性措施,如标准误和变异系数。我们进行基于模型和基于设计的仿真实验和真实数据分析,以评估所提出的方法
2022-01-25 stat.ME
Small area estimation with generalized random forests: Estimating poverty rates in Mexico
本文提出广义混合效应随机森林用于小域贫困估计,结合机器学习非线性建模与层次结构,并通过模拟和墨西哥特拉斯卡拉州案例验证其有效性。
2024-06-06 stat.ME
Conditional Akaike information under covariate shift with application to small area estimation
本文研究了线性混合模型中,当预测模型的协变量值与观测数据模型的协变量值不同时,在协变量偏移的情况下,固定效应的解释变量的选择问题。基于Vaida和Blanchard(2005)提出的条件赤池信息,我们构建了一个变量选择准则。我们特别关注小区域估计中的协变量偏移,并证明了所提出的标准的实用性。此外,数值性能进行了研究,通过模拟,其中之一是基于设计的模拟使用一个真实的数据集的土地价格。
2017-12-10 stat.ME
Gradient Boosting for Hierarchical Data in Small Area Estimation
本文提出混合效应梯度提升(MEGB),结合梯度提升与混合效应模型,用于小区域估计中的分层数据,通过模拟研究验证其区域均值估计性能,并可能优于现有估计器。
2025-01-21 stat.ME
Small Area Shrinkage Estimation
公共和私营部门都日益感到需要进行小面积估计,以便制定其战略计划。现在人们普遍认识到,由于标准误和变异系数很大,直接小面积调查的估计数非常不可靠。这背后的原因是,调查通常是为了在比小区域更高的地理水平上达到特定的准确度。由于缺乏额外资源,几乎必须使用同样的数据来进行小面积的估计。例如,如果一项调查旨在估计一个州的人均收入,则需要使用相同的调查数据来为该州的县、县以下和人口普查部门提供类似的估计。因此,小面积估计必然需要明确的,或至少是隐含的,使用模型来连接这些地区。通过从类似的邻近地区“借用力量”,发现了改进的小面积估计。
2012-03-23 stat.ME
Small Area Estimation with Linked Data
在小区域估计中,数据链接可用于将来自全国调查的感兴趣变量值与从另一个来源(如人口登记)获得的辅助变量值相结合。当拟合回归模型时,连锁误差可能会引起偏倚;此外,除了潜在的代表性离群值之外,它们还可能在链接数据中产生非代表性离群值。在本文中,我们采用了二级分析师的观点,假设有限的信息是可用的链接过程中,我们开发的小区域估计的基础上,线性混合和线性M-分位数模型,以适应链接的数据包含混合的两种类型的离群值。我们说明了这些小面积估计的属性,以及估计的均方误差,通过基于模型和基于设计的仿真实验。这些实验表明,当存在连锁误差时,所提出的预测器可以导致更有效的估计。此外,所提出的均方误差估计方法表现良好。
2019-03-31 stat.ME
Small Area Estimation via Multivariate Fay-Herriot Models with Latent Spatial Dependence
Fay-Herriot模型是直接调查估计的标准模型,其中真正感兴趣的数量,超总体平均值是潜在的,并且通过使用辅助协变量来改进其估计。在小面积估计的背景下,这些估计可以通过借用跨空间区域的强度或同时考虑多个结果来进一步改进。我们在这里提供了两个公式来执行小面积估计与Fay-Herriot模型,包括多变量的结果和潜在的空间依赖。我们考虑两个模型配方,其中一个结果的空间依赖结构是可分离的和一个帐户的交叉依赖,通过使用广义多元条件自回归(GMCAR)结构。GMCAR模型显示在一个国家级的例子,以产生较小的均方预测误差,相对于等效的人口普查变量,比可分离的模型和国家的最先进的多变量模型与非结构化的依赖性之间的结果和没有空间依赖性。此外,GMCAR和可分离模型在对美国社区调查的县级数据进行小面积估计时,均方预测误差小于最先进的模型。
2013-10-27 stat.ME
Unit Level Modeling of Survey Data for Small Area Estimation Under Informative Sampling: A Comprehensive Overview with Extensions
基于模型的小面积估计经常与调查数据结合使用,以便为采样不足或未采样的地理区域建立估计数。这些模型可以在地区一级或单位一级具体说明,但单位一级的模型往往具有潜在的优势,如更精确的估计和容易的空间汇总。然而,相对于地区一级的模型,关于单位一级模型的文献不太普遍。在单元一级对小区域进行建模时,由于用于收集调查数据的信息性抽样机制,经常会出现挑战。本文提供了一个全面的方法审查下的信息抽样单位级模型,重点是贝叶斯方法。为了深入了解方法之间的差异,我们进行了模拟研究,比较了几种所描述的方法。此外,用于模拟的方法进一步说明了通过应用到美国社区调查。最后,我们提出了几个扩展和未来的研究领域。
2020-01-13 stat.ME
Causal Inferences in Small Area Estimation
在进行影响评价和进行因果推断时,重要的是要认识到不同领域(地理、社会人口统计学或社会经济学)的处理效应的异质性。如果感兴趣的域相对于其样本量较小(在某些情况下甚至为零),则评价者已进入小面积估计(SAE)困境。本文在对逆倾向加权估计和传统小区域预测方法进行改进的基础上,提出了一种新的非规划区域平均处理效应的区域特异性估计方法。通过这些方法,我们还可以提供政策影响图,这有助于更好地针对治疗组。我们开发的分析均方误差(MSE)估计建议的预测。一个广泛的模拟分析,也基于真实数据,表明所提出的技术在大多数情况下导致更有效的估计。
2021-03-11 stat.ME
Global-local shrinkage priors for modeling random effects in multivariate spatial small area estimation
Hiroshima University(广岛大学);Chiba University(千叶大学)
本文提出一种基于全局-局部先验的多变量空间小区域估计模型,通过灵活收缩随机效应和引入空间依赖性,提高估计效率与鲁棒性。
2026-09-01 stat.ME
Evaluation of small-area estimation methods for mortality schedules
国家以下一级或各次人口的死亡率模式常常被用来审查人口的健康状况。然而,在小种群中,死亡人数是不稳定的。为了解决这个问题,人口学家提出了不同的方法,但目前还不清楚这些方法之间的关系。我们的目标是提供指导。首先,我们回顾了最近的人口统计学小区域方法的死亡率表。第二,我们评估三种方法,使用模拟数据。我们发现,有相当大的差异,在不同年龄和亚群/地区的性能,这种性能可以取决于选择纳入人口统计知识。
2023-03-17 stat.ME
Areal Disaggregation: A Small Area Estimation Perspective
Oak Ridge National Laboratory(橡树岭国家实验室)
本文提出了一种基于贝叶斯空间建模的方法,用于从粗略汇总数据中生成细尺度区域估计,应用于健康和人口指标的精细化分析。
2026-03-04 stat.ME
Conformal confidence intervals with an application to small area estimation
University of Southampton(南安普顿大学);Statistisk sentralbyrå(挪威中央统计局);Istituto nazionale di statística(意大利国家统计研究所)
该研究提出一种新型共形推理方法,生成样本内结果未知期望的共形置信区间,填补经典回归与共形推理的空白,并将其应用于小区域估计问题。
2026-08-05 stat.ME
Parametric Transformed Fay-Herriot Model for Small Area Estimation
本文考虑参数变换的Fay-Herriot模型,阐明了变换估计相容的条件。证明了对偶幂变换满足条件。基于参数估计量的渐近性质,我们导出了经验最佳线性无偏预报量(EBLUP)预报误差的二阶近似,得到了预报误差的二阶无偏估计量.最后,所提出的程序的性能进行了研究,通过模拟和实证研究。
2014-10-17 stat.ME
Small Area Estimation under Square Root Transformed Fay-Herriot model with Functional Measurement Error in Covariates
针对协变量含函数型测量误差的平方根变换 Fay-Herriot 小区域模型,提出仅依赖观测响应与次级调查数据的预测量及参数估计方法,并通过多情景模拟评估 MSPE。
2023-09-26 stat.ME
Small area estimation of general finite-population parameters based on grouped data
本文提出了一种基于模型的一般有限总体参数的小区域估计新方法,该方法基于分组数据或频率数据,通常可以从抽样调查中获得。分组数据包含关于每个地区某些预先指定的群体出现频率的信息,例如收入类别中的家庭数量,因此比地区一级的汇总数据更能详细地了解小地区。直接应用广泛使用的小区域方法,如用于区域级数据的Fay-Herriot模型和用于单位级数据的嵌套误差回归模型,是不合适的,因为它们不是为分组数据设计的。新提出的方法采用多项似然函数的分组数据。为了在小区域估计的框架内将多项似然和辅助变量的组概率联系起来,我们引入了未观测的单位级感兴趣量,它遵循线性混合模型,经过一些变换后具有随机截距和离散度。然后,可以导出单元属于组的概率,并将其用于构建给定随机效应的分组数据的似然函数。未知的模型参数(超参数)估计的新开发的蒙特卡罗期望最大化算法使用一个有效的重要性抽样。小面积参数的经验最佳预测(经验贝叶斯估计)可以通过简单的吉布斯抽样算法来计算。所提出的方法的数值性能的基础上,基于模型和基于设计的模拟说明。在对日本城市分组收入数据的应用中,我们完成了基尼系数和全国平均收入的补丁地图。
2019-09-19 stat.ME
Spatial Fay-Herriot Models for Small Area Estimation with Functional Covariates
Fay-Herriot(FH)模型广泛用于小区域估计,并使用辅助信息来减小欠采样位置处的估计方差。我们扩展了FH模型中使用的协变量信息的类型,以包括功能协变量,例如社交媒体搜索负载或遥感图像(例如,作物产量调查)。通过两阶段降维方法,包括Karhunen-Loève展开,然后随机搜索变量选择,促进了这些功能协变量的纳入。此外,空间自相关建模的重要性最近已被确认在FH模型,我们的模型利用了内在的条件自回归类的空间模型,除了功能协变量。我们证明了我们的方法的有效性,通过模拟和分析的数据,从美国社区调查。我们使用Google趋势搜索作为函数协变量,分析美国东半部家庭西班牙语使用率的相对变化。
2014-05-09 stat.ME
Small Area Estimation using EBLUPs under the Nested Error Regression Model
University of New South Wales(新南威尔士大学);Australian National University(澳大利亚国立大学)
本文基于嵌套误差回归模型探讨小区域估计,构建混合模型估计量(EBLUPs)并分析其条件线性预测,通过渐进框架建立渐近线性结果和中心极限定理,展示估计量的渐近等价性及简化误差估计方法,通过模拟验证其在小样本下的有效性。
2022-10-18 stat.ME
Comment on: "The Two Cultures of Prevalence Mapping: Small Area Estimation and Model-Based Geostatistics"
University of Birmingham(伯明翰大学);Lancaster University(兰卡斯特大学)
该文是对患病率制图领域两种方法SAE与MBG的评论,指出需从多维度完善二者比较,并强调模拟验证对评估MBG模型性能的重要性。
2026-09-04 stat.ME
Accounting for Mismatch Error in Small Area Estimation with Linked Data
本文针对链接数据中存在链接误差的小区域估计问题,提出了基于线性混合效应模型和 M-quantile 回归的调整后小区域预测器及均方误差近似,并利用双分量混合模型与复合似然进行推断,通过模拟验证了其有效性。
2024-05-30 stat.ME
Classification of Population Using Voronoi Area Based Density Estimation
给定两组训练样本,一般的方法是估计密度函数,并根据估计密度的较高值对测试样本进行分类。估计密度的自然方法应该是直方图趋向于频率曲线。但由于不同点的数据积累量不同,在绘制直方图时不能采用相同的区间长度。在这里,我们遵循类似于绘制直方图的方法,目的是进行密度估计和分类,但是没有任意地进行,我们考虑了散点图的图,并获得了基于Voronoi细胞面积的密度估计。但是,任意Voronoi胞的面积可能很难找到,特别是在二维和更高的维度,也在流形。出于这个原因,我们通过绘制许多独立的均匀变量来估计Voronoi单元的面积,这些变量覆盖了训练样本的支持。请注意,虽然我们考虑的是高维和典型流形中的密度估计和分类问题,但我们的模拟和代数计算主要针对实数线上的密度。我们期望在更高的维度和流形的工作将在类似的线,并计划在不久的将来做。此外,我们预计离散的情况下,可以处理略有不同,但类似的线,也留给未来的工作。
2017-06-29 stat.ME
Improving Disease Risk Estimation in Small Areas by Accounting for Spatiotemporal Local Discontinuities
本文提出一种两步方法,通过在贝叶斯时空模型中整合时空聚类检测,提升小区域疾病风险估计。方法首先采用高效扫描统计法进行聚类检测,再将其整合到贝叶斯时空模型中以估计相对风险,从而更准确地识别高风险和低风险区域。
2025-09-25 stat.ME
A Unified Monte-Carlo Jackknife for Small Area Estimation after Model Selection
本文考虑了在小区域估计中,当在估计之前涉及到模型选择过程时,不确定性度量的估计。提出了一种统一的蒙特卡罗刀切法(McJack),用于估计均方预测误差的对数。我们证明了McJack的二阶无偏性,并通过实证研究,包括模拟研究和真实数据分析,证明了McJack在评估SAE的不确定性后,模型选择的性能。
2016-02-16 stat.CO stat.ME
Stein Estimation for Spherically Symmetric Distributions: Recent Developments
本文综述了球对称分布的Stein型收缩估计的研究进展。一些重点放在发展的直觉,为什么收缩应该在位置问题的基础人口是否正常或不工作。相当多的注意力是专门用于推广的“Stein引理”的基础大部分的理论发展,改进的极小极大估计球对称分布。一个主要的重点是分布的鲁棒性结果的情况下,残差向量是可用于估计一个未知的尺度参数,特别是,在寻找估计,同时广义贝叶斯和极大极小的大类球对称分布。一些注意力也被给予的问题,估计位置向量限制躺在一个多面体锥。
2012-03-21 stat.ME