PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2013 | 286 Methods and Applications of Multivariate Statistical Analysis | 163--170
Tytuł artykułu

On MSE Estimation Of Some Misspecified Predictor

Autorzy
Warianty tytułu
O estymacji MSE dla pewnego predyktora w przypadku złej specyfikacji modelu
Języki publikacji
EN
Abstrakty
Rozważany jest problem predykcji wartości globalnej w podpopulacji (domenie) jak w Rao (2003). Analizowane jest wykorzystanie predyktora, który jest empirycznym najlepszym liniowym nieobciążonym predyktorem, ale przy założeniu błędnego modelu. Dla rozważanego predyktora wyprowadzono postać naiwnego estymatora MSE dla prawidłowego modelu nadpopulacji oraz zaproponowano wykorzystanie estymatorów MSE typu jackknife i parametryczny bootstrap. W badaniu symulacyjnym analizowano względne obciążenia zaproponowanych estymatorów MSE. (abstrakt oryginalny)
EN
The problem of prediction of subpopulation (domain) total is studied as in Rao (2003). The problem is inspired by results obtained by Żądło (2012) who considered two predictors - empirical best linear unbiased predictor (EBLUP) under some correct model and some simpler misspecified predictor. In the simulation study he showed that the misspecified predictor may be in some cases more accurate than the EBLUP derived under the correct model what resulted from the decrease of accuracy of the EBLUP due to the estimation of unknown parameters of the correct model. But the problem occurred in the case of MSE estimation - under the correct model the bias of the MSE estimator derived under the misspecified model was very large. Hence, in the paper we consider a predictor based on some misspecified model and we derive some MSE estimator under the correct model and we propose usage of two other MSE estimators. (original abstract)
Twórcy
  • University of Economics in Katowice, Poland
Bibliografia
  • Datta, G. S., Lahiri, P. (2000), A unified measure of uncertainty of estimated best linear unbiased predictors in small area estimation problems, Statistica Sinica, 10, 613-627.
  • Gonzalez-Manteiga, W., Lombardia, M. J., Molina, I., Morales, D., Santamaria, L. (2008), Bootstrap mean squared error of a small-area EBLUP, Journal of Statistical Computation and Simulation, 78, 443-462.
  • Hall, P., Maiti, T. (2006), On Parametric Bootstrap Methods for Small Area Prediction, Journal Royal Statistical Society Series B, 68, 221-238.
  • Jiang, J. (2003), Empirical best prediction for small-area inference based on generalized linear mixed models, Journal of Statistical Planning and Inference, 111,117-127.
  • Jiang, J., Lahiri, P., (2001), Empirical best prediction for small area inference with binary data, Ann. Inst. Statist. Math., 53, 217-243.
  • Jiang J., Lahiri P, Wan S.-M. (2002), Unified jackknife theory for empirical best prediction with M-estimation, The Annals of Statistics, 30, 6, 1782-1810.
  • Molina, I. and Rao, J.N.K (2010). Small area estimation of poverty indicators, The Canadian Journal of Statistics, 38 (3), 369-385.
  • Prasad, N. G. N, Rao, J. N. K. (1990), The estimation of mean the mean squared error of small area estimators, Journal of the American Statistical Association, 85, 163-171.
  • R Development Core Team (2012), A language and environment for statistical computing, R Foundation for Statistical Computing, Vienna.
  • Rao J.N.K (2003), Small area estimation, John Wiley and Sons, New Jersey.
  • Żądło T. (2009), On prediction of domain totals based on unbalanced longitudinal data, [in:] Wywiał J., Żądło T. (eds.) Survey Sampling in Economic and Social Research, University of Economic in Katowice, Katowice.
  • Żądło T. (2012), On accuracy of two predictors for spatially and temporally correlated longitudinal data, Studia Ekonomiczne, 120, 97-105.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171260017

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.