Direct-Assisted Bayesian Unit-level Modeling for Small Area Estimation of Rare Event Prevalence
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
Spatially Selected and Dependent Random Effects for Small Area Estimation with Application to Rent Burden
University of California, Santa Cruz（加州大学圣克鲁兹分校）
本文提出考虑随机效应和潜在过程空间依赖性的模型，提升小区域估计的预测精度，通过实证研究和县级租金负担估计展示其有效性。
2024-04-18 stat.AP stat.ME
Small Area Estimation with Spatially Varying Natural Exponential Families
两阶段分层模型已广泛用于小面积估计，以产生面积平均值的间接估计。当区域被互换处理并且模型参数被假定为在所有区域上是相同的时，我们可能会在存在空间异质性的情况下失去效率。为了克服这个问题，我们考虑了一个两阶段的区域水平模型的基础上自然指数族的空间变化的模型参数。我们采用地理加权回归方法来估计变参数，并提出了一个新的面积平均值的经验贝叶斯估计。本文还讨论了相关问题，包括均方误差估计、基准估计和非抽样区估计。所提出的方法的性能进行评估，通过模拟和应用程序的两个数据集。
2020-01-09 stat.ME
Defining Expertise: Applications to Treatment Effect Estimation
University of Cambridge（剑桥大学）
本文形式化定义预测性与预后性两类决策者专业知识，并证明其可用于预测数据集特征并指导治疗效果估计的模型选择。
2024-03-01 cs.AI cs.LG stat.ME
Small area estimation for composite indicators: the case of multidimensional poverty incidence
本文提出了一种在小区域背景下估计复合指标的方法论，解决了复合指标构建复杂及不确定性度量困难的问题，并以哥伦比亚市镇级多维贫困发生率估计为案例，提供了基于参数化自助法的不确定性度量。
2023-04-08 stat.AP stat.ME
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
Scalable Joint Modeling of Dependent Multi-Type Survey Data for Small Area Estimation
University of Missouri（密苏里大学）；University of California Santa Cruz（加州大学圣克鲁兹分校）
提出贝叶斯区域级小区域估计框架，通过共享空间随机效应联合建模二项和高斯调查响应，利用Polya-Gamma数据增强和空间基函数实现高效吉布斯采样，提高估计精度。
2026-07-01 stat.AP 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
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
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
Robust estimation for small domains in business surveys
小范围（或小领域）估计仍然很少用于商业统计，因为诸如营业额等变量的偏斜性和可变性带来了挑战。我们研究了一系列的小面积估计方法的基础上，估计在荷兰零售业的行业活动。我们使用税务登记数据和抽样程序，复制荷兰统计局的结构性商业调查的零售部门的抽样调查的基础上，小面积估计的属性。特别是，我们考虑使用的EBLUP下的随机效应模型和衍生的EBLUP的变化下（a）一个随机效应模型，包括一个复杂的规格的水平1方差和（b）一个随机效应模型，通过使用调查权重拟合。虽然在估计中考虑调查权重很重要，但在这种情况下，有影响力的数据点的影响仍然是主要挑战。本文进一步探讨了使用离群稳健估计在商业调查，特别是一个强大的版本的EBLUP，M-回归为基础的合成估计，和M分位数小区域估计。后者家庭的小面积估计包括强大的投影（没有和调查权重）和强大的预测版本。M分位数方法具有最低的经验均方误差，并大大优于直接估计，但在实践中如何选择调整常数的偏差调整是一个悬而未决的问题。本文通过探索一种双重稳健的方法，包括在小面积估计中使用调查权重与离群稳健方法，做出了进一步的贡献。
2020-06-02 stat.AP 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
Bayesian Benchmarking Small Area Estimation via Entropic Tilting
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
Estimation of Poverty Measures for Small Areas Under a Two-Fold Nested Error Linear Regression Model: Comparison of Two Methods
本文将ELL和改进ELL方法扩展到两重嵌套误差模型以估计区域及子区域贫困指标，模拟显示改进方法效率更高，且MELL2在已抽样子区域的MSE表现优于MELL1。
2023-06-08 stat.AP 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 Methods for Multivariate Health and Demographic Outcomes using Complex Survey Data
University of Washington（华盛顿大学）
本文提出利用复杂调查数据开发多变量共享组件模型，用于提高健康和人口统计数据的估计精度。
2025-11-19 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
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
The B-Exponential Divergence and its Generalizations with Applications to Parametric Estimation
本文在Bregman散度的基础上提出了一类新的最小散度估计，其中定义的凸函数具有指数性质。这些估计避免了使用中间核密度的必要性，其中许多估计也具有很强的鲁棒性。它进一步表明，所提出的方法可以扩展到构建一类广义估计方程，其中所得到的估计池包括各种各样的最小散度估计和范围从高度鲁棒的调整参数的选择的基础上充分有效。所有得到的估计量都是M-估计量，其中定义函数明确使用参数模型的形式。这些估计的性质进行了详细讨论，理论结果证实了模拟和真实数据的例子。据观察，在许多情况下，从上述广义类的某些鲁棒估计提供更好的鲁棒性和效率之间的妥协相比，现有的标准。
2018-10-27 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
Prevalence of international migration: an alternative for small area estimation
本文介绍了一种替代程序，估计在哥伦比亚市一级的国际移民的流行。新的方法使用基于Fay-Herriot模型的经验最佳线性无偏预测器，目标和辅助变量来自普查研究和人口与健康调查。拟议的替代办法产生的流行率估计数符合哥伦比亚的样本量和人口动态。此外，估计的变异系数低于20%的直辖市和大人口相关的首都城市，因此估计值可以被认为是可靠的。
2019-04-29 stat.AP stat.CO 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
Small Area Estimation with Random Forests and the LASSO
本研究针对小区域估计问题，比较随机森林、LASSO与贝叶斯收缩等方法，提出改进的共形程序衡量不确定性，并在加纳数据上验证，发现贝叶斯收缩性能最优。
2023-08-29 stat.AP stat.ME stat.ML
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
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
Defining and Estimating Intervention Effects for Groups that will Develop an Auxiliary Outcome
它最近变得流行，定义治疗效果的目标人群的子集，其特征是在治疗决定时不可观察的变量。描述和估计这样的治疗效果是棘手的;最流行但幼稚的方法不适当地调整受治疗影响的变量，因此是有偏见的。我们考虑了几种适当的方法来形式化的影响：主要分层，分层的一个单一的潜在的辅助变量，分层的一个观察到的辅助变量和分层的预期水平的辅助变量。然后，我们概述了每种类型的估计识别假设。我们评估这些被估量的效用和估计程序的决策和理解因果过程，对比它们的概念的直接和间接的影响。我们激励我们的发展与肾脏病和癌症筛查的例子，并使用模拟数据和癌症筛查的实际数据来说明估计方法。
2007-08-30 math.ST stat.ME stat.TH
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
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
Small Area Estimation under Spatial Regimes: Spatially Clustered Fay-Herriot Models for Agricultural Indicators
University of Milano-Bicocca（米兰比可卡大学）；Fondazione Eni Enrico Mattei (FEEM)（埃尼·恩里科·马泰伊基金会）；University of Campania "Luigi Vanvitelli"（坎帕尼亚路易吉·范维特利大学）；Keio University（庆应义塾大学）
该研究针对空间异质性下的小区域估计问题，提出SC-FH框架，通过空间惩罚实现地理域聚类，在模拟和实证研究中均提升了预测精度，避免了过度收缩。
2026-08-17 stat.AP stat.CO stat.ME
Threshold Exceedance Estimation in Spatially Correlated Areal Data Using Maxima-Nominated Sampling
Department of Statistics, University of Manitoba（曼尼托巴大学统计学系）
本文提出DUST-MNS设计，结合极大值提名抽样与概率比例大小依赖单位顺序技术，用于估计空间相关领域中超过预设阈值的面积比例，展示了其在稀有到中等突破情形下的优越性。
2026-05-02 stat.AP stat.ME stat.OT
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
