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
Bayesian Benchmarking Small Area Estimation via Entropic Tilting
Faculty of Economics, Keio University(庆应义塾大学经济学部);School of Commerce, Meiji University(明治大学商学部);Graduate School of Social Sciences, Chiba University(千叶大学社会科学研究院)
本文提出基于熵倾斜的统一贝叶斯基准化框架,为小域估计提供原则性的基准化后验分布定义,并给出分层贝叶斯下的蒙特卡洛方法和经验贝叶斯下的解析解,实现点估计与不确定性量化的一致性。
2025-09-19 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
Estimation and inference for area-wise spatial income distributions from grouped data
估计收入分配在衡量空间上的不平等和贫困方面发挥着重要作用。现有的收入分布研究主要集中在对一个国家或地区的收入分布进行单独估计,而对多个收入分布的同时估计尽管具有重要的实际意义,却没有进行讨论。在这项工作中,我们开发了一种有效的方法,同时估计和推断区域的空间收入分布考虑到地理信息的分组数据。基于分组数据的多项似然函数,我们提出了一个空间状态空间模型的参数化收入分布的区域参数。我们提供了一个有效的贝叶斯方法来估计和推断区域方面的潜在参数,这使我们能够计算收入分布,如平均收入和基尼指数,不仅为抽样地区,但也为地区没有任何样本由于潜在的空间状态空间结构的面积汇总措施。所提出的方法证明了使用日本明智的分组收入数据。仿真研究表明,该方法的优越性,一个粗糙的传统方法,估计收入分布分开。
2019-07-03 stat.ME
Two-stage Benchmarking as Applied to Small Area Estimation
由于需要对小地理区域进行更精确的估计,最近小区域估计有所增长,这导致美国人口普查局、谷歌和兰德公司等团体利用小区域估计程序。我们开发了一种新的两阶段基准测试方法,使用一个单一的加权平方误差损失函数,该函数结合了单位级别和区域级别的损失,而没有任何具体的分布假设。我们在对每个级别的加权平均值或单位级别的加权平均值和加权变异性进行基准测试时考虑此损失。多变量扩展是即时的。我们使用2000年全国健康访谈调查(NHIS)的一项复杂研究分析了我们方法的行为,该研究估计了亚洲亚群中许多领域没有健康保险的人的比例。最后,该方法是探索通过模拟数据下提出的模型。我们最终得出结论,三个基准贝叶斯估计不占主导地位,为未来的研究留下了很多探索。
2013-07-15 stat.ME
A spatial variance-smoothing area level model for small area estimation of demographic rates
准确估计国家以下各级的卫生和人口指标对于为卫生政策决定提供信息至关重要。许多国家利用复杂的住户调查收集相关数据,但在数据有限的情况下,小地区比例的直接调查加权估计数可能不可靠。将这些直接估计值作为响应数据处理的区域水平模型可以提高精度,但通常需要所有区域的直接估计值的已知抽样方差。在实践中,抽样方差通常是估计的,因此标准方法不考虑不确定性的关键来源。为了解释估计的抽样方差的变异性,我们提出了一个分层贝叶斯空间区域水平模型,平滑估计的均值和抽样方差,以产生小面积比例的点和区间估计。我们的模型明确的目标是估计小面积的比例,而不是连续变量的平均值,我们考虑了中度和低度流行事件的例子。我们证明了我们的方法的性能,通过模拟和应用到疫苗接种覆盖率和艾滋病毒流行率数据的人口与健康调查。
2022-09-06 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
Linked shrinkage to improve estimation of interaction effects in regression models
本文提出一种关联局部收缩方法,通过在主效应与其交互项之间借用收缩强度来改进高维回归中交互效应的估计与推断,并推导出Shapley值解析公式以快速评估变量重要性。
2023-09-25 stat.ME stat.ML
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 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
Linked factor analysis
University of Notre Dame(圣母大学)
本文提出关联因子分析(LINFA)框架,通过共同参数链接多个因子模型,解决不完整数据下的因子模型估计问题,并提供高效的算法和统计检验方法。
2026-02-23 stat.ME
Bayesian Dynamic Estimation of Mortality Schedules in Small Areas
确定死亡率曲线的形状、估计和预测一段时间内的死亡率模式以及调查不同的小型欠发达人口的死亡率模式的差异,近年来受到特别重视。这类问题所涉及的挑战是在小区域(人群)中观察到的死亡计数的常见稀疏性和不稳定行为。这些特征给合理的死亡率表的估计带来了许多困难。在这一章中,我们提出了一个关于这个问题的讨论,我们介绍了使用关系贝叶斯动态模型估计和平滑死亡率按年龄和性别的时间表。初步结果,包括与最近提出的方法在文献中的比较。分析是基于模拟数据以及在巴西一些城市观察到的死亡率数据。
2021-05-05 stat.ME
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
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
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
False Discovery estimation in Record Linkage
Department of Epidemiology and Data Science, Amsterdam UMC location Vrije Universiteit Amsterdam(阿姆斯特丹UMC(位于阿姆斯特丹自由大学)流行病学与数据科学系);Amsterdam Public Health, Methodology(阿姆斯特丹公共卫生学院方法学部门)
该研究提出一种适用于各类记录链接技术的错误发现比例估计新方法,通过合成数据估算错误链接对数,经基准测试验证后应用于荷兰围产期登记的兄弟姐妹链接,提升了链接数据可靠性并凸显医疗记录研究中考虑链接误差的重要性。
2025-10-06 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
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
Differentially Private Linear Regression with Linked Data
针对记录链接这一上游预处理带来的额外不确定性,本文提出噪声梯度和充分统计量扰动两种差分隐私线性回归算法,并给出有限样本误差界以分析隐私—准确性权衡。
2024-05-08 cs.CR 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
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
New Important Developments in Small Area Estimation
小区域估计(SAE)的问题是如何产生感兴趣的特征(如均值、计数、分位数等)的可靠估计,对于只有少量样品或没有样品的区域或领域,以及如何评估其精度。本文的目的是回顾和讨论一些新的重要发展,在小面积估计方法。Rao [Small Area Estimation(2003)]写了一本非常全面的书,涵盖了直到那个时候这个主题的所有主要发展。2003年以后编写了一些审查文件,但范围有限。因此,这次检讨的重点是过去七、八年的新发展,但为了使检讨更独立,我亦会简短地提及一些较旧的发展。该综述涵盖了基于设计和依赖模型的方法,后者的方法进一步分为频率和贝叶斯方法。这篇论文的风格与我在2002年发表的SAE综述的风格相似,解释了研究的新问题并描述了提出的解决方案,但没有详细讨论理论细节,这些细节可以在原始文章中找到。我希望这篇论文将是有用的研究人员谁喜欢了解更多的研究进行SAE和从业者谁可能有兴趣在新方法的应用。
2013-02-20 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
High-dimensional Factor Analysis for Network-linked Data
本文研究网络连接观测的高维因子分析问题,提出包含共享与专属潜在因子的广义因子模型及高效估计方法,在更温和约束下实现最优渐近方差,并开发因子结构假设检验程序。
2024-03-25 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
Long-term effect estimation when combining clinical trial and observational follow-up datasets
University of Washington(华盛顿大学);Fred Hutchinson Cancer Research Center(弗雷德·哈钦森癌症研究中心)
针对临床试验与观察性随访数据关联不完整导致的缺失问题,提出NLAC和基于CLAR假设的逆概率加权方法估计长期效应,并通过模拟和SWOG研究验证有效性。
2026-09-22 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
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
Bias Corrected Variance Stabilizing Transformation for Small Area Estimation
针对小区域估计中方差稳定变换逆变换的偏差问题,提出渐近无偏经验贝叶斯估计量并提供其均方误差,通过模拟和数据分析验证,还发现与NEF-QVF分布族的联系。
2025-07-07 stat.ME
Small Area Quantile Estimation
抽样调查被广泛用于获得关于有限总体的总量、均值、中位数和其他参数的信息。在许多应用中,对于诸如特定地理区域中的个体和社会人口统计群体的子群体,期望类似的信息。当调查是在国家一级或类似的高级别进行时,概率抽样可能导致在设计阶段从许多未计划的亚群体中只抽取几个抽样单元。成本方面的考虑也可能导致个别小区域的样本量较低。以令人满意的精度估计这些亚群的参数并评价其准确性是统计人员面临的严峻挑战。为了克服这些困难,统计人员通过适当的模型假设、行政档案和人口普查数据,在小范围内汇集信息。在本文中,我们开发了一系列的小面积分位数估计。新颖之处是引入了一个半参数密度比模型的误差分布的单位级嵌套误差回归模型。相比之下,现有的方法通常是最有效的响应值时,联合正常。我们还提出了一个估计这些估计量的均方误差的restling程序。仿真结果表明,新的方法具有优越的性能时,总体分布是倾斜的,否则保持竞争力。
2017-05-29 stat.ME
Defining the sample designs for small area estimation
本文描述了一个适当的统计设置,用于定义小面积估计问题的抽样设计。这个问题往往只能通过间接估计来处理,使用的是来自不同地区或不同时间的有关变量的值,从而增加了样本量。然而,让我们假设域指标变量可用于总体中的每个单元。在这种情况下,我们可以定义一个固定小区域样本大小的抽样设计,从而显着提高小区域估计的准确性。我们可以将这一抽样战略应用于商业调查,在商业调查中,领域指标变量可以在商业登记册中找到,甚至可以在家庭调查中找到地理领域的领域指标变量。
2023-03-15 stat.AP stat.ME
Small area estimation using incomplete auxiliary information
Vilnius University(维尔纽斯大学);Institute of Data Science and Digital Technologies(数据科学与数字技术研究所)
本文提出了一种两步小区域估计方法,利用不完整辅助信息提升领域估计精度,通过模型校准和Fay-Herriot模型实现无偏预测。
2026-11-02 stat.ME
Smoothing, Clustering, and Benchmarking for Small Area Estimation
我们开发了小面积问题的约束贝叶斯估计方法:那些需要平滑度的区域之间的相似性,如地理邻近或聚类的协变量;和基准约束,需要(加权)的估计,以同意跨层次的聚合。我们开发的方法,约束估计决策理论上,并讨论其几何解释。我们的约束估计量是易处理的优化问题的解决方案,并有封闭形式的解决方案。约束估计量的均方误差通过自举法计算。我们的技术是免费的分布假设,并适用于估计是线性或非线性,单变量或多变量。我们使用美国人口普查局的小地区收入和贫困估计计划的数据来说明我们的方法。
2014-10-26 stat.AP stat.ME
Automatic Variance Adjustment for Small Area Estimation
University of Washington(华盛顿大学);Emory University(埃默里大学);Oak Ridge National Laboratory(橡树岭国家实验室)
本文提出了一种基于先验样本补充的自动方差调整方法,用于改进小区域估计中的方差估计,适用于数据稀疏的地理区域。
2026-02-16 stat.ME
A semiparametric approach for the estimation of covariate-adjusted area under the receiver operating characteristic curve
The George Washington University(乔治华盛顿大学);Georgetown University(乔治城大学)
本研究针对临床中生物标志物判别性能的协变量异质性问题,提出基于广义加性模型的半参数框架估计协变量调整的AUC,通过模拟和ADNI数据验证了方法的有效性。
2026-08-17 stat.ME
A Calibrated Data-Driven Approach for Small Area Estimation using Big Data
本文提出一种基于校准kNN算法的小区域估计方法,利用概率调查数据作为训练集插补大数据缺失值并调整测量误差,通过固定渐近自助法估计方差,并与Fay-Harriot估计量进行了准确度和精度的比较。
2024-01-09 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