Estymacja odporna a efektywność szacunku na podstawie badania mikroprzedsiębiorstw

• Autorzy: Grażyna Dehnel

Warianty tytułu

Efficiency of Robust Estimation on the Basic of Small Business Research

• Języki publikacji: PL

Abstrakty

W artykule poddano wstępnej ocenie trzy nieklasyczne metody estymacji, które są bardziej odporne na wartości odstające niż stosowana obecnie estymacja bezpośrednia. W badaniu szczególną uwagę poświęcono obciążaniu estymatorów. (fragment tekstu)

EN

The objective of the study was to assess efficiency of three nonstandard, robust estimation techniques used for Polish Business Survey data which are less sensitive to outliers than direct estimation. In the European business statistics the direct GREG estimation is very popular and one of the most often used in practice. The main advantage of GREGs is that auxiliary information usually increases precision considerably. But its application is also connected with a danger rising out from outliers, whose presence result in significant bias of the estimates. This paper analyzes three modifications belonging to 'closer' and 'further' family of GREG estimators are applied and discussed. Among those closely related: estimation proposed by R. Chambers, H. Falvey, D. Hedlin, P. Kokic (2001) based on the model using inverse transformation and Winsor estimation introducing 'border' point to distinguish the outlier observation. As concerns the 'further' family, we examine local regression which has an ability to accommodate local departures from the linear model implemented. (original abstract)

Słowa kluczowe

PL

Estymatory; Mikroprzedsiębiorstwo; Estymacja; Źródła informacji

EN

Estimators; Micro-enterprise; Estimation; Information source

• Czasopismo: Zeszyty Naukowe / Uniwersytet Ekonomiczny w Poznaniu
• Rocznik: 2010
• Numer: nr 149
• Strony: 162--178

Twórcy

autor

Grażyna Dehnel

• Uniwersytet Ekonomiczny w Poznaniu

Bibliografia

• Breidt, F.J., Opsomer, J.D. (2000), Local polynomial regression estimation in surcey sampling, The Annals of Statistics, 28, s. 1026-1053.
• Chambers, R.L. (1996), Robust case-weighting for multipurpose establishment Surveys, Journal of Official Statistics, Vol. 12, No. l, 3-32.
• Chambers, R., Brown, G., Heady, R, Heasman, D. (2001), Evaluation of Small Area Estimation Methods - an Application to Unemployment Estimates from the UK LFS, Proceedings of Statistics Canada Symposium, Achieving Data Quality in a Statistical Agency. a Methodological Perspective.
• Chambers, R.L., Falvey, H., Hedlin, D., Kokic, P. (2001), Does the model matter for GREG estimation? A business survey example, Journal of Official Statistics, Vol. 17, No. 4, 527-544.
• Dehnel, G. (2007a), Efektywne wykorzystanie zmiennych pomocniczych w badaniu małych podmiotów gospodarczych, w: Statystyka w praktyce społeczno-gospodarczej, red. W. Ostasiewicz, Wydawnictwo AE we Wrocławiu, Wrocław, s. 65-75.
• Dehnel, G. (2007b), Wpływ klasyfikacji podmiotów gospodarczych na efektywność modelowania podstawowych kategorii ekonomicznych małych przedsiębiorstw, w: Taksonomia 14. Klasyfikacja i analiza danych - teoria i zastosowania, red. K. Jajuga, M. Walesiak, Wydawnictwo AE we Wrocławiu, Wrocław.
• Dorfman, A.H. (2000), Non-Parametric Regression for Estimating Totals in Finite Populations, Proceedings of the Survey Research Methods, American Statistical Association, s. 47-54.
• Gołata, E. (2004), Estymacja pośrednia bezrobocia na lokalnym rynku pracy, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
• Gołata, E., Dehnel, G. (2010), Estymatory odporne w badaniu przedsiębiorczości, Wydawnictwo UE w Krakowie, (w druku).
• Hedłin, D. (2004), Business Survey Estimation, R&D, Sweden.
• Kokic, P.N., Bell, P.A. (1994), Optima! winsorizing cutoffsfor a stratified finite population estimator, Journal of Official Statistics, 10, s. 419-435.
• Särndal, C.E. (1980), On it-imerse weighting versus best linear unbiased weighting in probability sampling, Biometrika, 67, s. 639-650.
• Särndal, C.E., Swensson, B., Wretman, J. (1992), Model Assisted Survey Sampling, Springer Verlag, New York.
• Searls, D.T. (1966), An estimator which reduces large true observations, JASA, 61, s. 1200-1204.