Statystyka małych obszarów w badaniach ekonomicznych : podejście modelowe i mieszane

• Autorzy: Tomasz Żądło
• Języki publikacji: PL

Abstrakty

Celem pracy jest prezentacja aktualnego dorobku międzynarodowego z zakresu podejścia modelowego i mieszanego statystyki małych obszarów z uwzględnieniem zarówno badań prowadzonych w jednym okresie, jak i badań wielookresowych oraz zaproponowanie nowych, bardziej dokładnych metod estymacji i predykcji charakterystyk domen wraz z autorskimi metodami oceny ich dokładności. Praca składa się z pięciu rozdziałów. Pierwszy rozdział ma charakter wprowadzający. Przedstawiono w nim podstawowe definicje z zakresu metody reprezentacyjnej i statystyki małych obszarów. Uwzględniono tu również nowe propozycje mierników dokładności predykcji, których estymatory będą proponowane w kolejnych podrozdziałach. Rozdział drugi poświęcono empirycznym najlepszym liniowym nieobciążonym predyktorom w badaniach prowadzonych w jednym okresie. Zaprezentowano empiryczne wersje predyktora zaproponowanego przez Hendersona (1950) oraz ich uogólnienia - empiryczne wersje predyktora zaproponowanego przez Royalla (1976). W szczególności przedstawiono autorskie twierdzenia dotyczące nieobciążoności ogólnej postaci tego predyktora, jego błędu średniokwadratowego i asymptotycznej nieobciążoności jego estymatorów uzyskanych różnymi metodami (z uwzględnieniem rzędów obciążeń). Zaprezentowano również autorskie modele nadpopulacji, dla których wyprowadzono postacie najlepszych liniowych nieobciążonych predyk- torów wartości globalnej w domenie, postacie błędów średniokwadratowych ich wersji empirycznych oraz zaproponowano ich estymatory. Rozważania zostały również uogólnione na przypadek predykcji kombinacji liniowej wartości globalnych w domenach. Rozdział trzeci poświęcono empirycznym najlepszym liniowym nieobciążonym predyktorom w badaniach wielookresowych. Oprócz przeglądu metod prezentowanych w literaturze przedstawiono autorski model nadpopulacji zakładany dla profili, uwzględniający występowanie korelacji w czasie i przestrzeni, zmiany populacji i przynależności elementów populacji do podpopulacji w czasie. Dla rozważanego modelu wyprowadzono postacie najlepszych liniowych nieobciążonych predyktorów, błędy średniokwadratowe ich wersji empirycznych oraz zaproponowano ich asymptotycznie nieobciążone estymatory. Rozważania uzupełniono propozycjami przypadków szczególnych wprowadzonego modelu nadpopulacji, predyktora i estymatorów jego błędu średnio- kwadratowego oraz uogólnieniami na przypadek predykcji kombinacji liniowej wartości globalnych w domenach. Rozdział czwarty poświęcono podejściu mieszanemu. Oprócz przeglądu metod prezentowanych w literaturze przedstawiono w nim nowe, autorskie propozycje estymatorów kalibrowanych, modelowo-kalibrowanych i pseudoempiiycznych najlepszych liniowych nieobciążonych predyktorów. Rozdział piąty poświęcono klasom estymatorów i predyktorów, które nie były omawiane w poprzednich rozdziałach. W szczególności zaproponowano empiryczny najlepszy predyktor dowolnej charakterystyki domeny możliwy do stosowania w badaniach wielookresowych przy dowolnym rozkładzie badanej zmiennej, dla którego jest znany rozkład warunkowy, i nieliniowych (ale sprowadzalnych do liniowych) modelach nadpopulacji. (fragment tekstu)

Słowa kluczowe

PL

Statystyka małych obszarów; Ekonomia; Metodologia ekonomii; Modele symulacyjne

EN

Small area estimates; Economics; Economic methodology; Simulation models

• Czasopismo: Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2015
• Strony: 294

Twórcy

autor

Tomasz Żądło

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Akaike H. (1972), Use of an Information Theoretic Quantity for Statistical Model Identification, "Proc. of the 5th Hawaii International Conference on System Sciences".
• Akaike H. (1973), Maximum Likelihood Identification of Gaussian Autoregressive Moving Average Models, "Biometrika", 60 (2).
• Anderson T.W. (1958), An Introduction to Multivariate Statistical Analysis, John Wiley & Sons, New York.
• Battese G.E., Harter R.M., Fuller W.A. (1988), An Error-Components Model for Prediction of County Crop Areas Using Survey and Satellite Data, "Journal of the American Statistical Association", 83 (401).
• Bell W. (2001), Discussion with "Jackknife in the Fay-Herriott Model with An Example", "Proc. of the Seminar on Funding Opportunity in Survey Research".
• Bell W., Datta G., Ghosh M. (2013), Benchmarked Small Area Estimators, "Biometrika", 100.
• Berg E.J., Fuller W.A. (2014), Small Area Prediction of Proportions with Applications to the Canadian Labour Force Survey, "Journal of Survey Statistics and Methodology", 2.
• Białek J. (2014), Simulation Study of an Original Price Index Formula, "Communications in Statistics - Simulation and Computation".
• Biecek P. (2011), Analiza danych z programem R. Modele liniowe z efektami stałymi, losowymi i mieszanymi, Wydawnictwo Naukowe PWN, Warszawa.
• Binder D.A. (1983), On the Variances of Asymptotically Normal Estimators from Complex Surveys, "International Statistical Review", 51.
• Bleuer S.R., Godbout S., Morin Y. (2007), Evaluation of Small Domain Estimators for the Survey of Employment Payroll and Hours, "SSC Annual Meeting, Proceedings of the Survey Methods Section".
• Bolfarine H., Zacks S. (1992), Prediction Theory for Finite Populations, Springer-Verlag, New York.
• Bracha Cz. (1994), Metodologiczne aspekty badania małych obszarów, "Studia i Materiały, Z Prac Zakładu Badań Statystyczno-Ekonomicznych", 43, GUS, Warszawa.
• Bracha Cz. (1996), Teoretyczne podstawy metody reprezentacyjnej, PWN, Warszawa.
• Bracha Cz. (1998), Metoda reprezentacyjna w badaniu opinii publicznej i marketingu, Efekt, Warszawa.
• Breslow N.E., Clayton D.G. (1993), Approximate Inference in Generalized Linear Mixed Models, "Journal of the American Statistical Association", 88 (421).
• Butar F.B., Lahiri P. (2003), On Measures of Uncertainty of Empirical Bayes Small-Area Estimators, "Journal of Statistical Planning and Inference", 112.
• Calvin J.A., Sedransk J. (1991), Bayesian and Frequentist Predictive Inference for the Patterns of Care Studies, "Journal of the American Statistical Association", 86 (413).
• Cassel C.M., Särndal C.E., Wretman J.H. (1977), Foundations of Inference in Survey Sampling, John Wiley & Sons, New York-London-Sydney-Toronto.
• Chandra H., Salvati N., Chambers R. (2007), Small Area Estimation for Spatially Correlated Populations - A Comparison of Direct and Indirect Model-Based Methods, "Statistics in Transition", 8 (2).
• Chang T., Kott P.S. (2008), Using Calibration Weighting to Adjust for Nonresponse Under a Plausible Model, "Biometrika", 95 (3).
• Chatterjee S., Lahiri P., Li H. (2008), Parametric Bootstrap Approximation to the Distribution of EBLUP and Related Prediction Intervals in Linear Mixed Models, "The Annals of Statistics", 36 (3).
• Chen S., Lahiri P. (2002), A Weighted Jackknife MSPE Estimator in Small-Area Estimation, "Proceedings of the Section on Survey Research Methods", American Statistical Association.
• Chen S., Lahiri P. (2003), A Comparison of Different MSPE Estimators of EBLUP for the Fay-Herriot Model, "Proceedings of the Section on Survey Research Methods", American Statistical Association.
• Chen S., Lahiri P. (2008), On Mean Squared Prediction Error Estimation in Small Area Estimation Problems, "Communications in Statistics - Theory and Methods", 37.
• Claeskens G., Hart J.D. (2009), Goodness-of-fit Tests in Mixed Models, "Test", 18.
• Cochran W.G. (1953), Sampling Techniques, Wiley and Sons, New York.
• Craig M., Atkinson D. (2013), A Literature Review of Crop Area Estimation, Technical Report, UN-FAO.
• Dalenius T. (1987), Discussion [w:] R. Platek, J.N.K. Rao, C.E. Sarndal, M.P. Singh (eds.), Small Area Statistics. An International Symposium, John Wiley & Sons, New York, Chichester, Brisbane, Toronto, Singapore.
• Das K., Jiang J., Rao J.N.K. (2004), Mean Squared Error of Empirical Predictor, "The Annals of Statistics", 32.
• Datta G.S. (2009), Model-Based Approach to Small Area Estimation [w:] D. Pfeffermann, C.R. Rao (eds.), Handbook of Statistics, Vol. 29B, Sample Surveys: Inference and Analysis, Elsevier, New York.
• Datta G.S, Fay R.E., Ghosh M. (1991), Hierarchical and Empirical Bayes Multivariate Analysis in Small Area Estimation [w:] Proceedings of Bureau of the Census 1991 Annual Research Conference, U.S. Bureau of the Census, Washington, DC.
• Datta G.S., Lahiri P. (2000), A Unified Measure of Uncertainty of Estimated Best Linear Unbiased Predictors in Small Area Estimation Problems, "Statistica Sinica".
• Datta G.S., Lahiri P., Maiti T. (2002), Empirical Bayes Estimation Estimation of Median Income of Four-Person Families by State Using Time Series and Cross-Sectional Data, "Journal of Statistical Planning and Inference".
• Datta G.S., Lahiri P., Maiti T., Lu K.L. (1999), Hierarchical Bias Estimation of Unemployment Rates for the U.S. States, "Journal of the American Statistical Association".
• Datta G.S., Rao J.N.K., Smith D.D, (2005), On Measuring the Variability of Small Area Estimators Under a Basic Area Level Model, "Biometrika".
• Dehnel G. (1997), Estymacja wskaźników rozwoju gospodarczego regionów za pomocą statystyki małych obszarów [w:] J. Paradysz (red.), Statystyka regionalna. Sondaż i integracja baz danych, Akademia Ekonomiczna w Poznaniu, Urząd Statystyczny w Poznaniu.
• Dehnel G. (2003), Statystyka małych obszarów jako narzędzie oceny rozwoju ekonomicznego regionów, Akademia Ekonomiczna, Poznań.
• Dehnel G. (2010), Rozwój mikroprzedsiębiorczości w Polsce w świetle estymacji dla małych domen, Uniwersytet Ekonomiczny, Poznań.
• Dehnel G., Gołata E. (2006), Attempts to Estimate Basic Information for Small Business, "Statistics in Transition", 7 (4).
• Dempster A.P, Rubin D.B., Tsutakawa R.K. (1981), Estimation in Covariance Component Models, "Journal of the American Statistical Association".
• Deville J.C., Sarndal C.E. (1992), Calibration Estimators in Survey Sampling, "Journal of the American Statistical Association", 87.
• Dol W. (1991), Small Area Estimation: A Synthesis between Sampling Theory and Econometrics, Wolters-Noordhoff Groningen.
• Domański Cz., Pruska K. (1996), Reprezentatywność próby w statystyce małych obszarów, "Wiadomości Statystyczne", 5.
• Domański Cz., Pruska K. (1997), Prognozowanie w przedsiębiorstwie z wykorzystaniem statystyki małych obszarów [w:] M. Cieślak (red.), Prognozowanie w zarządzaniu firmą Materiały konferencyjne, Akademia Ekonomiczna, Wrocław.
• Domański Cz., Pruska K. (2000), Nieklasyczne metody statystyczne, PWE, Warszawa.
• Domański Cz., Pruska K. (2001), Metody statystyki małych obszarów, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.
• Efron B., Tibshirani R. (1993), An Introduction to the Bootstrap, Chapman & Hall, New York.
• Ericksen E.P. (1973), A Method for Combining Sample Survey Data and Symptomatic Indicators to Obtain Population Estimates for Local Areas, "Demography", 11.
• Esteban M.D., Morales D., Perez A., Santamaria L. (2012), Small Area Estimation of Poverty Proportions Under Area-Level Time Models, "Computational Statistics and Data Analysis", 56.
• Estevao V., Hidiroglou M.A., Särndal C.E. (1995), Methodological Principles for a Generalized Estimation System at Statistics Canada, "Journal of Official Statistics", 11 (2).
• Estevao V., Särndal C.E. (2004), Borrowing Strength Is Not the Best Technique within a Wide Class of Design-Consistent Domain Estimators, "Journal of Official Statistics", 20 (4).
• Faraway J.J. (2006), Extending the Linear Model with R. Generalized Linear, Mixed Effects and Nonparametric Regression Models, Chapman & Hall/CRC, London.
• Fattorini L. (2006), Applying the Horvitz-Thompson Criterion in Complex Designs: A Computer-Intensive Perspective for Estimating Inclusion Probabilities, "Biometrika", 93(2).
• Fay R. E. III, Herriot R.A. (1979), Estimates of Income for Small Places: An Application of James-Stein Procedures to Census Data, "Journal of the American Statistical Association", 74 (366).
• Fisher R.A. (1922), On the Mathematical Foundations of Theoretical Statistics, "Phil. Trans. R. Soc. Lond.", A, 222.
• Fisher R.A. (1925), Statistical Methods for Research Workers, Oliver & Boyd, Edinburgh.
• Fitzmaurice G.M., Lipsitz S.R., Ibrahim J.G. (2007), A Note on Permutation Tests for Variance Components in Multilevel Generalized Linear Mixed Models, "Biometrics", 63 (3).
• Gamero M.D.J., Garcia J.M., Mejias R.P. (2005), Testing Goodness of Fit for the Distribution of Errors in Multivariate Linear Models, "Journal of Multivariate Analysis", 95.
• Gamrot W. (2014), Estimators for the Horvitz-Thompson Statistic Based on Some Posterior Distributions, "Mathematical Population Studies", 21 (1).
• Getka-Wilczyńska E. (2000a), Estymacja zjawisk rzadkich w populacji skończonej, Szkoła Głowna Handlowa, Warszawa (rozprawa doktorska).
• Getka-Wilczyńska E. (2000b), Estimation of Total Domain in Finite Population, "Statistics in Transition", 4.
• Ghosh M., Kubokawa T., Kawakubo Y. (2014), Benchmarked Empirical Bayes Estimators for Multiplicative Area Level Models, prezentacja: Small Area Estimation 2014 Conference, Poznań.
• Ghosh M., Nangia N., Kim D. (1996), Estimation of Median Income of Four-Person Families: A Bayesian Time Series Approach, "Journal of the American Statistical Association", 91.
• Ghosh M., Rao J.N.K. (1994), Small Area Estimation: An Appraisal, "Statistical Science", 9.
• Giommi A. (1987), Nonparametric Methods for Estimating Individual Response Probabilities, "Survey Methodology", 13 (2).
• Gismondi R. (1999), Estimation of Tourist Flows for the Veneto's Communes [w:] Small Area Estimation, International Association of Survey Statisticians Satellite Conference Proceedings, Riga 20-21 August 1999, Latvia.
• Gołata E. (1996), Statystyka małych obszarów w analizie rynku pracy, "Wiadomości Statystyczne", 3.
• Gołata E. (2004), Estymacja pośrednia bezrobocia na lokalnym rynku pracy, Wydawnictwo Akademii Ekonomicznej, Poznań (praca habilitacyjna).
• 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.
• Goodman A.C., Thibodeau T.G. (1998), Housing Market Segmentation, "Journal of Housing Eco.
• GUS, Departament Pracy i Warunków Życia (2008), Dochody i warunki życia ludności Polski (raport z badania EU-SILC 2006 r.), Informacje i Opracowania Statystyczne, Zakład Wydawnictw Statystycznych, Warszawa.
• GUS, Departament Badań Demograficznych i Rynku Pracy (2014), Aktywność ekonomiczna ludności Polski, III kwartał 2013, Informacje i Opracowania Statystyczne, Zakład Wydawnictw Statystycznych, Warszawa.
• Hansen M.H., Hurvitz W.N., Madow W.G. (1953a), Sample Survey Methods and Theory, Vol. I, Wiley, New York.
• Hansen M.H., Hurvitz W.N., Madow W.G. (1953b), Sample Survey Methods and Theory, Vol. II, Wiley, New York.
• Harvey J. (1999), Application of Satellite Remote Sensing to Small Area Population Estimation [w:] Small Area Estimation, International Association of Survey Statisticians Satellite Conference Proceedings, Riga 20-21 August 1999, Latvia.
• Hartley H.O., Rao J.N.K (1967), Maximum Likelihood Estimation for the Mixed Analysis of Variance Model, "Biometrika", 54.
• Harville D.A. (1977), Maximum Likelihood Approaches to Variance Component Estimation and to Related Problems, "Journal of the American Statistical Association", 72.
• Heady P., Ralphs, M. (2005), EURAREA: An Overview of the Project and its Findings, "Statistics in Transition", 7 (3).
• Hedeker D., Gibbons R.D. (2006), Longitudinal Data Analysis, John Wiley, New Jersey.
• Henderson C.R. (1950), Estimation of Genetic Parameters (Abstract), "Annals of Mathematical Statistics", 21.
• Henderson C.R. (1963), Selection Index and Expected Genetic Advance [w:] Statistical Genetics and Plant Breeding, National Academy of Science, National Research Council, Publication 982, Washington, DC.
• Henderson C.R. (1975), Best Linear Unbiased Estimation and Prediction under a Selection model, "Biometrics", 31.
• Heyde C.C. (1994), A Quasi-Likelihood Approach to the REML Estimating Equation, "Statistics and Probability Letters", 21.
• Heyde C.C. (1997), Quasi-Likelihood and Its Application: A General Approach to Optimal Parameter Estimation, Springer, New York.
• Hidiroglou M.A., Särndal C.E., (1985), An Empirical Study of Some Regression Estimators for Small Domains, "Survey Methodology", 11.
• Horvitz D.G., Thompson D.J. (1952), A Generalization of Sampling Without Replacement from a Finite Universe, "Journal of the American Statistical Association", 47 (260).
• Huber P.J. (1981), Robust Statistics, John Wiley & Sons, New Jersey.
• Hurvich C.M., Tsai C.L (1991), Bias of the Corrected AIC Criterion for Underfitted Regression and Time-Series Models, "Biometrika", 78.
• International Association of Survey Statisticians (1993a), Small Area Statistics and Survey Designs, International Scientific Conference, Warsaw, 30 September - 3 October 1992, Volume I, Invited papers, GUS, Warszawa.
• International Association of Survey Statisticians (1993b), Small Area Statistics and Survey Designs, International Scientific Conference, Warsaw, 30 September - 3 October 1992, Volume II, Contributed papers and panel discussion, GUS, Warszawa.
• International Association of Survey Statisticians (1999), Small Area Estimation, Conference Proceedings, Latvia, Riga.
• International Association of Survey Statisticians (2000), Landmark Papers in Survey Statistics, IASS Jubilee Commemorative Volume, IASS.
• Ishiguro M., Sakamoto Y., Kitagawa H. (1997), Bootstrapping Loglikelihood and E1C, An Extension of AIC, "Annals of the Institute of Statistical Mathematics", 49.
• Jacqmin-Gadda H., Sibillot S., Proust C., Molina J.-M., Thiébaut R. (2007), Robustness of the Linear Mixed Model to Misspecified Error Distribution, "Computational Statistics & Data Analysis", 51.
• Jędrzejczak A. (2011), Metody analizy rozkładów dochodów i ich koncentracji, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.
• Jędrzejczak A., Kubacki J. (2013), Estimation of Income Inequality and the Poverty Rate in Poland, by Region and Family Type, "Statistics in Transition - New Series", 14(3).
• Jiang J. (1996), REML Estimation: Asymptotic Behavior and Related Topics, "The Annals of Statistics", 24.
• Jiang J. (1997), A Derivation of BLUP - Best Linear Unbiased Predictor, "Statistics & Probability Letters", 32.
• Jiang J. (2001), Goodness-of-fit Tests for Mixed Model Diagnostics, "The Annals of Statistics", 29 (4).
• Jiang J. (2003), Empirical Best Prediction for Small-Area Inference Based on Generalized Linear Mixed Models, "Journal of Statistical Planning and Inference", 111.
• Jiang J. (2007), Linear and Generalized Linear Mixed Models and Their Applications, Springer, New York.
• Jiang J., Lahiri P. (2001), Empirical Best Prediction for Small Area Inference with Binary Data, "Annals of the Institute of Statistical Mathematics", 53 (2).
• Jiang J., Lahiri P. (2006a), Mixed Model Prediction and Small Area Estimation, "Test", 15(1).
• Jiang J., Lahiri P. (2006b), Estimation of Finite Population Domain Means: A Model- assisted Empirical Best Prediction Approach, "Journal of the American Statistical Association", 101 (473).
• Jiang J., Lahiri P., Wu C-H, (2001), A Generalization of the Pearson's £ Goodness-of- fit Test with Estimated Cell Frequencies, "Sankhyã", 63 (2).
• Jiang J., Lahiri P., Wan S.-M. (2002), Unified Jackknife Theory for Empirical Best Prediction with M-estimation, "The Annals of Statistics", 30.
• Jiang J., Luan Y., Wang Y.-G. (2007), Iterative Estimating Equations: Linear Convergence and Asymptotic Properties, "The Annals of Statistics", 35 (5).
• Jiang J., Nguyen T. (2009), Comments on: Goodness-of-fit Tests in Mixed Models, "Test", 18.
• Jiang J., Nguyen T., Rao J.S. (2011), Best Predictive Small Area Estimation, "Journal of the American Statistical Association", 106 (494).
• Jiang J., Rao J.S. (2003), Consistent Procedures for Mixed Linear Model Selection, "Sankhyã", 65 (1).
• Jurkiewicz T., Najman K. (2005), Proposition of Applying k-Means Classification Method and the SOM Type Neural Network to Improve the Efficiency of Small Domains Estimation in a Representative Study of Small and Medium Sized Enterprises, "Acta Universitatis Lodziensis, Folia Oeconomica", 194.
• Kackar R.N., Harville D.A. (1981), Unbiasedness of Two-Stage Estimation and Prediction Procedures for Mixed Linear Models, "Communications in Statistics, Series A".
• Kackar R.N., Harville D.A. (1984), Approximations for Standard Errors of Estimators of Fixed and Random Effects in Mixed Linear Models, "Journal of the American Statistical Association", 79.
• Kalton G. (2009), Designs for Surveys Over Time [w:] D. Pfeffermann, C.R. Rao (eds.), Handbook of Statistics, Vol. 29A, Sample Surveys: Design, Methods and Applications, Elsevier, New York.
• Kiaer A.N. (1897), The Representative Method of Statistical Survey (tłumaczenie na język angielski z oryginału w języku norweskim, 1976), Central Bureau of Statistics of Norway, Oslo.
• Kish L. (1965), Survey Sampling, John Wiley & Sons, New York.
• Klimanek T. (2012), Wykorzystanie estymacji pośredniej, uwzględniającej korelację przestrzenną, w analizie rynku pracy, "Zeszyty Naukowe Uniwersytetu Ekonomicznego w Poznaniu", 227.
• Kordos J. (1967), Metoda rotacyjna w badaniach reprezentacyjnych, "Przegląd Statystyczny", 4.
• Kordos J. (1987), Dokładność danych w badaniach społecznych, Główny Urząd Statystyczny, Warszawa.
• Kordos J. (1988), Jakość danych statystycznych, Państwowe Wydawnictwo Ekonomiczne, Warszawa.
• Kordos J. (1991), Statystyka małych obszarów a badania reprezentacyjne, "Wiadomości Statystyczne", 4.
• Kordos J. (1992), Podejścia do statystyki małych obszarów w Polsce, "Wiadomości Statystyczne", 10.
• Kordos J. (1997), Efektywne wykorzystanie statystyki małych obszarów, "Wiadomości Statystyczne", 1.
• Kordos J. (1999), Problemy estymacji danych dla małych obszarów, "Wiadomości Statystyczne", 1.
• Kordos J. (2005), Some Aspects of Small Area Statistics and Data Quality, "Statistics in Transition", 7 (1).
• Kordos J., Kubacki J. (1999), Możliwości oceny rozmiarów ubóstwa dla małych obszarów, "Wiadomości Statystyczne", 3.
• Kott P.S (1989), Robust Small Domain Estimation Using Random Effects Modelling, "Survey Methodology", 15.
• Kott P.S., Chang T. (2010), Using Calibration Weighting to Adjust for Nonignorable Unit Nonresponse, "Journal of the American Statistical Association", 105 (491).
• Kowalczyk B. (2001), Badania reprezentacyjne powtarzalne w czasie, Szkoła Główna Handlowa, Warszawa (rozprawa doktorska).
• Kowalczyk B. (2013), Zagadnienia estymacji złożonej w badaniach reprezentacyjnych opartych na próbach rotacyjnych, Oficyna Wydawnicza, Szkoła Główna Handlowa, Warszawa.
• Kowalski J. (2009), Optimal Estimation in Rotation Patterns, "Journal of Statistical Planning and Inference", 139.
• Krapavickaité D., Plikusas A. (2005), Estimation of Ratio in the Finite Population, "Informatica", 16 (3).
• Krzciuk M.K. (2014), On the Design Accuracy of Royall's Predictor of Domain Total for Longitudinal Data, Conference Proceedings, 32nd International Conference Mathematical Methods in Economics 2014, Palacky Univerisity, Ołomuniec.
• Krzciuk M.K., Żądło T. (2014a), On Some Tests of Fixed Effects for Linear Mixed Models, "Studia Ekonomiczne", 189.
• Krzciuk M.K., Żądło T. (2014b), On Some Tests of Variance Components for Linear Mixed Models, "Studia Ekonomiczne", 189.
• Krzyśko M. (2009), Podstawy wielowymiarowego wnioskowania statystycznego, Wydawnictwo Naukowe UAM, Poznań.
• Kubacki J. (1997), Ważniejsze metody estymacji w statystyce małych obszarów, "Wiadomości Statystyczne", 5.
• Lahiri G.W. (1951), A Method for Sample Selection Providing Unbiased Ratio Estimator, "Bulletin of the International Statistical Institute", 33.
• Lahiri P., Rao J.N.K (1995), Robust Estimation of Mean Squared Error of Small Area Estimators, "Journal of the American Statistical Association", 90.
• Lange N., Ryan L. (1989), Assessing Normality in Random Effects Models, "The Annals of Statistics", 17 (2).
• Lee Y., Nelder J.A. (1996), Hierarchical Generalized Linear Models, "Journal of the Royal Statistical Society, Series B (Methodological)", 58 (4).
• Lehtonen R., Veijanen A. (1998), Logistic Generalized Regression Estimators, "Survey Methodology", 24.
• Lessler J.T., Kalsbeek W.D. (1992), Nonsampling Error in Surveys, Wiley, New York.
• Lin X., Breslow N.E. (1996), Bias Correction in Generalized Linear Mixed Models with Multiple Components of Dispersion, "Journal of the American Statistical Association", 91 (435).
• Little R.J.A. (1982), Models for Nonresponse in Sample Surveys, "Journal of the American Statistical Association", 77.
• Little R.J.A., Rubin D. (2002), Statistical Analysis with Missing Data, Wiley, New York.
• Lohr S.L. (1999), Sampling: Design and Analysis, Duxbury Press, International Thompson Publishing Company.
• Lohr S.L. (2010), Sampling: Design and Analysis, Second Edition, Brooks/Cole, Cengage Learning, Boston.
• Longford N.T. (2005), Missing Data and Small Area Estimation, Springer-Verlag, New York.
• Magnus J.R., Neudecker H. (1988), Matrix Differential Calculus with Applications in Statistics and Econometrics, John Wiley & Sons, Chichester-New York-Brisbane-Toronto-Singapore.
• Marhuenda Y., Molina 1., Morales D. (2013), Small Area Estimation with Spatio- Temporal Fay-Herriot Models, "Computational Statistics & Data Analysis", 58.
• McCullagh P., Nelder J.A. (1989), Generalized Linear Models, Second Edition, Chapman & Hall/CRC, London.
• McCulloch C.E., Searle S.R. (2001), Generalized, Linear, and Mixed Models, John Wiley & Sons, Chichester.
• Midzuno H. (1950), An Outline of the Theory of Sampling Systems, "Annals of the Institute of Mathematical Statistics", 1.
• Miszczak W. (2004), Projektowanie próby, Wydawnictwo Akademii Ekonomicznej, Wrocław.
• Molenberghs G., Vebeke G. (2007), Likelihood Ratio, Score, and Wald Tests in a Constrained Parameter Space, "The American Statistician", 61 (1).
• Molina I., Morales D., Pratesi M., Tzavidis N. (eds.) (2010), Final Small Area Estimation Developments and Simulation Results, SAMPLE Project: Small Area Methods for Poverty and Living Conditions Estimates.
• Molina I., Rao J.N.K. (2010), Small Area Estimation of Poverty Indicators, "The Canadian Journal of Statistics", 38 (3).
• Molina I., Salvati N., Pratesi M. (2009), Bootstrap for Estimating the MSE of the Spatial EBLUP, "Computational Statistics", 24.
• Morrison P.A., Relies D.A. (1975), A Method for Monitoring Small-Area Population Changes in Cities, "Public Data Use", 3.
• Moura F., Holt D. (1999), Small Area Estimation Using Multilevel Models, "Survey Methodology", 25(1).
• Nathan G. (2000), Preface [w:] Landmark Papers in Survey Statistics, IASS Jubilee Commemorative Volume, IASS, i-v.
• Neyman J. (1934), On the Two Different Aspects of the Representative Method: The Method of Stratified Sampling and the Method of Purposive Selection, "Journal of the Royal Statistical Society", 97 (4).
• Niemiro W., Wesołowski J. (2010), Synthetic and Composite Estimation under a Superpopulation Model, "Statistical Papers", 51.
• Niemiro W., Wesołowski J. (2012), Linear Estimation and Prediction under Model- Design Approach with Small Area Effects, "Statistics: A Journal of Theoretical and Applied Statistics", 46 (4).
• Nishii R. (1984), Asymptotic Properties of Criteria for Selection of Variables in Multiple Regression, "The Annals of Statistics", 12 (2).
• Nissinen K. (2009), Small Area Estimation with Linear Mixed Models for Unit-Level Panel and Rotating Panel Data, University of Jyvaskyla Printing House, Jyvaskyla.
• Ostasiewicz W. (2013), Uwagi o prehistorii statystyki, "Studia Ekonomiczne", 152.
• Panek T. (2009), Wskaźniki ubóstwa w ujęciu wielowymiarowym, "Wiadomości Statystyczne", 12.
• Pannekoek J., Waal T. de (1998), Small Area Estimators in Statistical Disclosure Control, Research Paper no. 9805, Statistics Netherlands.
• Paradysz J. (2012), Statystyka regionalna: stan, problemy i kierunki rozwoju, "Przegląd Statystyczny", 2.
• Paradysz J., Klimanek T. (2006), Adaptation of EURAREA Experience in Business Statistics in Poland, "Statistics in Transition", 7 (4).
• Pawłowski Z. (1972), Wstęp do statystycznej metody reprezentacyjnej, Wydawnictwo Naukowe PWN, Warszawa.
• Pekasiewicz D. (2000), Zastosowanie metod sekwencyjnych w statystyce małych obszarów, Uniwersytet Łódzki, Łódź (rozprawa doktorska).
• Pesarin F., Salmaso L. (2010), Permutation Tests for Complex Data. Theory, Applications and Software, John Wiley & Sons, Chichester.
• Patterson H.D. (1950), Sampling on Successive Occasions with Partial Replacement of Units, "Journal of the Royal Statistical Society, Series B", 12.
• Petrucci A., Pratesi M., Salvati N. (2005), Geographic Information in Small Area Estimation: Small Area Models and Spatially Correlated Random Area Effect, "Statistic in Transition", 7 (3).
• Petrucci A., Salvati N. (2004), Small Area Estimation Considering Spatially Correlated Errors: The Unit Level Random Effects Model, Working Paper 2004/10, Universita degli Studi di Firenze.
• Pfeffermann D. (1993), The Role of Sampling Weights when Modeling Survey Data, "International Statistical Review", 61.
• Pfeffermann D., Moura F., Silva P.N. (2001), Multi-Level Modeling under Informative Probability Sampling [w:] Invited papers, IASS topics, Seoul, August 22-29.
• Pfeffermann D. (2002), Small Area Estimation - New Developments and Directions, "International Statistical Review", 79.
• Pfeffermann D. (2013), New Important Developments in Small Area Estimation, "Statistical Science", 28 (1).
• Pinheiro J.C., Bates D.M. (2000), Mixed-Effects Models in S and S-PLUS, Springer, New York.
• Platek R., Rao J.N.K., Särndal C.E., Singh M.P. (1987), Small Area Statistics. An International Symposium, John Wiley & Sons, New York, Chichester, Brisbane, Toronto, Singapore.
• Plikusas A., Pumputis D. (2007), Calibrated Estimators of the Population Covariance, "Acta Applicandae Mathematicae", 97.
• 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.
• Prasad N.G.N, Rao J.N.K. (1999), On Robust Small Area Estimation Using a Simple Random Effects Model, "Survey Methodology", 25.
• Pratesi M., Salvati N. (2008), Small Area Estimation: The EBLUP Estimator Based on Spatially Correlated Random Area Effects, "Statistical Methods and Applications", 17.
• Purcell N.J., Kish L. (1979), Estimation for Small Domains, "Biometrics", 35.
• R Core Team (2014), R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria.
• Rao C.R. (1971), Estimation of Variance and Covariance Components - MINQUE Theory, "Journal of Multivariate Analysis", 1 (3).
• Rao J.N.K. (2003), Small Area Estimation, John Wiley & Sons, New York.
• Rao T.V.H. (1962), An Existence Theorem in Sampling Theory, "Sankhyã A", 24.
• Rao J.N.K, Choudhry G.H. (1995), Small Area Estimation: Overview and Empirical Study [w:] B.G. Cox, D.A. Binder, B.N. Chinnappa, A. Christianson, M.J. Colled- ge, P.S. Kott (eds.), Business Survey Metohods, Wiley, New York.
• Rao J.N.K, Yu M. (1994), Small Area Estimation by Combining Time-Series and Cross- -Sectional Data, "Canadian Journal of Statistics", 22.
• Rissanen J. (1978), Modeling by Shortest Data Description, "Automatica", 14.
• Robinson G.K. (1991), That BLUP Is a Good Thing: The Estimation of Random Effects, "Statistical Science", 6.
• Royall R.M. (1970), On Finite Population Sampling Theory under Certain Linear Regression Models, "Biometrika", 57.
• Royall R.M. (1976), The Linear Least Squares Prediction Approach to Two-Stage Sampling, "Journal of the American Statistical Association", 71.
• Royall R.M. (1988), The Prediction Approach to Sampling Theoiy [w:] P.R. Krishaniah, C.R. Rao (eds.), Handbook of Statistics, Vol. 6, Elsevier Science Publishers, Amsterdam.
• Rubin D.B. (1976), Inference and Missing Data, "Biometrika", 63.
• Rubin D.B. (1987), Multiple Imputation for Nonresponse in Surveys, Wiley, New York.
• Saei A., Chambers R. (2003), Small Area Estimation under Linear and Generalized Linear Mixed Models with Time and Area Effects, S3RI, Methodology Working Papers M03/15, University of Southampton.
• Särndal C.E. (1981), Frameworks for Inference in Survey Sampling with Applications to Small Area Estimation and Adjustment for Nonresponse, "Bulletin of the International Statistical Institute", 49.
• Särndal C.E. (1984), Design-Consistent versus Model-Dependent Estimators for Small Domains, "Journal of the American Statistical Association", 79.
• Särndal C.E. (1993), Panel Discussion [w:] Small Area Statistics and Survey Designs, International Scientific Conference, Warsaw, 30 September - 3 October 1992, Vol. n. Contributed Papers and Panel Discussion, GUS, Warszawa.
• Särndal C.E., Hidiroglou M.A. (1989), Small Domain Estimation: A Conditional Analysis, "Journal of the American Statistical Association", 84.
• Särndal C.E., Lundstrom S. (2005), Estimation in Surveys with Nonresponse, Wiley, New York.
• Särndal C.E., Swensson B., Wretman J. (1992), Model Assisted Survey Sampling, Springer-Verlag, New York.
• SAS Institute Inc. (2008), SAS/STAT® 9.2 User's Guide, SAS Institute Inc, Cary, NC.
• Satterthwaite F.E. (1946), An Approximate Distribution of Estimates of Variance Components, "Biometrics Bulletin", 2 (6).
• Schaible W.L. (1993), Use of Small Area Estimators in U.S. Federal Programs [w:] Small Area Statistics and Survey Designs, International Scientific Conference, Warsaw, 30 September - 3 October 1992, Vol. I. Invited papers, GUS, Warszawa.
• Schwartz G. (1978), Estimating the Dimension of a Model, "Annals of Statistics", 6 (2).
• Sclove S.L. (1987), Application of Model-Selection Criteria to Some Problems in Multivariate Analysis, "Psychometria", 52 (3).
• Self S.G., Liang K-Y (1987), Asymptotic Properties of Maximum Likelihood Estimators and Likelihood Ratio Tests under Nonstandard Conditions, "Journal of the American Statistical Association", 88 (398).
• Sen A.R. (1952), Present Status of Probability Sampling and Its Use in the Estimation of a Characteristic (abstract), "Econometrika", 20.
• Singh A.C., Mohl C.A. (1996), Understanding Calibration Estimators in Survey Sampling, "Survey Methodology", 22.
• Singh B.B., Shukla G.K., Kundu D. (2005), Spatio-Temporal Models in Small Area Estimation, "Survey Methodology", 31.
• Smith T.M.F. (1983), On the Validity of Inferences from Non-Random Samples, "Journal of the Royal Statistical Society A", 146.
• Steczkowski J. (1995), Metoda reprezentacyjna w badaniach zjawisk ekonomiczno-społecznych, Wydawnictwo Naukowe PWN, Warszawa.
• Stram D.O., Lee J.W. (1994), Variance Components Testing in the Longitudinal Mixed Effects Model, "Biometrics", 50(4).
• Stukel D.M., Hidiroglou M.A., Sarndal C.E. (1996), Variance Estimation for Calibration Estimators: A Comparison of Jackknifing versus Taylor Linearization, "Survey Methodology", 22.
• Stukel D.M, Rao J.N.K. (1999), On Small-Area Estimation under Two-Fold Nested Error Regression Models, "Journal of Statistical Planning and Inference", 78.
• Suchecki B. (red.) (2010), Ekonometria przestrzenna. Metody i modele analizy danych przestrzennych, Wydawnictwo C.H. Beck, Warszawa.
• Sugden R.A., Smith T.M.F. (1984), Ignorable and Informative Designs in Survey Sampling Inference, "Biometrika", 71.
• Szreder M. (2004), Metody i techniki sondażowych badań opinii, PWE, Warszawa.
• Szreder M. (2010), Metody i techniki sondażowych badań opinii, Wydanie II zmienione, PWE, Warszawa.
• Szymkowiak M. (2010), Konstrukcja estymatorów kalibracyjnych wartości globalnej z uwzględnieniem wektora zmiennych instrumentalnych [w:] E. Gołata (red.), Pomiar i informacja w gospodarce, Zeszyt Naukowy, Wydawnictwo Uniwersytetu Ekonomicznego, Poznań.
• Świercz K. (1993), Methodological Aspects of Data Assessment on Dwelling Stock for Small Area [w:] Small Area Statistics and Survey Designs, International Scientific Conference, Warsaw, 30 September - 3 October 1992, Vol. II. Contributed Papers and Panel Discussion, GUS, Warszawa.
• Templeton R. (1999), Regional Business Indicators Using Tax Data [w:] Small Area Estimation, International Association of Survey Statisticians Satellite Conference Proceedings, Riga 20-21 August 1999, Latvia.
• Theberge A. (1999), Extensions of Calibration Estimators in Survey Sampling, "Journal of the American Statistical Association", 99.
• Theil H. (1979), Zasady ekonometrii, PWN, Warszawa.
• Thompson W.A., Jr. (1962), The Problem of Negative Estimates of Variance Components, "Annals of Mathematical Statistics", 33.
• Tillé Y. (2006), Sampling Algorithms, Springer-Verlag, New York.
• Ugarte M.D., Goicoa T., Militino A.F., Durban M. (2009), Spline Smoothing in Small Area Trend Estimation and Forecasting, "Computational Statistics & Data Analysis", 53.
• United Nations (1950), The Preparation of Sampling Survey Reports, Technical Report, Statistical papers, Series C, No. 1.
• Valliant R., Dorfman A.H., Royall R.M. (2000), Finite Population Sampling and Inference. A Prediction Approach, John Wiley & Sons, New York.
• Verbeke G., Molenberghs G. (2000), Linear Mixed Models for Longitudinal Data, Springer-Verlag, New York.
• Wald A. (1947), Sequential Analysis, Wiley, New York.
• Wang J., Fuller W.A. (2003), The Mean Squared Error of Small Area Predictors Constructed with Estimated Area Variances, "Journal of the American Statistical Association", 98 (463).
• Waksberg J. (1978), Sampling Methods for Random Digit Dialing, "Journal of the American Statistical Association", 73 (361).
• Wesołowski J. (2004), Problemy estymacji dla małych obszarów, "Wiadomości Statystyczne", 3.
• Wesołowski J. (2010), Recursive Optimal Estimation in Szarkowski Rotation Scheme, "Statistics in Transition-New Series", 11 (2).
• Wolny-Dominiak A. (2012), Modeling of Claim Counts Using Data Mining Procedures in R CRAN, Proceedings of the 30th International Scientific Conference Mathematical Method in Economics.
• Wolter K.M. (1985), Introduction to Variance Estimation, Springer-Verlag, New York.
• Wright T. (2001), Selected Moments in the Development of Probability Sampling: Theory & Practice, U.S. Census Bureau, Survey Research Methods Section Newsletter, 13.
• Wu C. (2003), Optimal Calibration Estimators in Survey Sampling, "Biometrika", 90(4).
• Wu C., Sitter R.R. (2001), A Model-Calibration Approach to Using Complete Auxiliary Information from Survey Data, "Journal of the American Statistical Association", 96.
• Wywiał J.L. (1999a), Elementy metody reprezentacyjnej z wykorzystaniem statystycznego pakietu SPSS, Akademia Ekonomiczna, Katowice.
• Wywiał J.L. (1999b), Simulation Study of Estimation Precision of Average in Small Populations by Means of Horvitz-Thompson Type Sampling Strategics, Proceedings of the Satellite Conference Small Area Estimation, Riga, Latvia 20-21 August.
• Wywiał J.L. (2003), Some Contributions to Multivariate Methods in Survey Sampling, Akademia Ekonomiczna, Katowice.
• Wywiał J.L. (2010), Wprowadzenie do metody reprezentacyjnej, Akademia Ekonomiczna, Katowice.
• Wywiał J.L., Żądło T. (2003), On Mean Square Error of Synthetic Ratio Estimator, "Studia Ekonomiczne", nr 29, Katowice.
• You Y. (2008), An Integrated Modeling Approach to Unemployment Rate Estimation for Sub-Provincial Areas of Canada, "Survey Methodology", 34.
• You Y., Chapman B. (2006), Small Area Estimation Using Area Level Models and Estimated Sampling Variances, "Survey Methodology", 32 (1).
• You Y., Rao J.N.K. (2002), A Pseudo-Empirical Best Linear Unbiased Prediction Approach to Small Area Estimation Using Survey Weights, "The Canadian Journal of Statistics", 30.
• You Y., Rao J.N.K., Gambino J. (2003), Model-Based Unemployment Rate Estimation for the Canadian Labour Force Survey. A Hierarchical Bayes Approach, "Survey Methodology", 29.
• Zasępa R. (1962), Badania statystyczne metodą reprezentacyjną, PWN, Warszawa.
• Zasępa R. (1972), Metoda reprezentacyjna, PWE, Warszawa.
• Zieliński W. (2007), Teoretyczne podstawy ekonometrycznych jednorównaniowych modeli liniowych, SGGW, Warszawa.
• Zmyślona B. (2004), Zastosowanie metody imputacji wielokrotnej do analizy niepełnych danych w badaniach społeczno-ekonomicznych, Akademia Ekonomiczna, Wrocław (rozprawa doktorska).
• Żądło T. (2004a), On Mean Square Error of Synthetic Regression Estimator, "Acta Universitatis Lodziensis, Folia Oeconomica", 105.
• Żądło T. (2004b), On Unbiasedness of Some EBLU Predictor [w:] J. Antoch (ed.), Proceedings in Computational Statistics 2004, Physica-Verlag, Heidelberg-New York.
• Żądło T. (2004c), On Some Linear and Bilinear Predictors of Total Value in Incompletely Specified Domains [w:] Metoda reprezentacyjna w badaniach ekonomiczno-społecznych, Część 3, red. J. Wywiał, Akademia Ekonomiczna, Katowice.
• Żądło T. (2005), Ocena parametrów dziedzin populacji z wykorzystaniem podejścia modelowego, Akademia Ekonomiczna, Katowice (rozprawa doktorska).
• Żądło T. (2006a), On Accuracy of EBLUP under Random Regression Coefficient Model, "Statistics in Transition", 7 (6).
• Żądło T. (2006b), On Prediction of Total Value in Incompletely Specified Domains, "Australian and New Zealand Journal of Statistics", 48 (3).
• Żądło T. (2008a), Elementy statystyki małych obszarów z programem R, Wydawnictwo AE, Katowice.
• Żądło T. (2008b), On Accuracy of Some EBLU Predictor, "Acta Universitatis Lodziensis, Folia Oeconomica", 216.
• Żądło T. (2009a), On MSE of EBLUP, "Statistical Papers", 50.
• Żądło T. (2009b), On Prediction of the Domain Total under Some Special Case of Type a General Linear Mixed Model, "Acta Universitatis Lodziensis, Folia Oeconomica" 228.
• Żądło T. (2009c), On Prediction of Totals for Domains Defined by Random Attributes, "Studia Ekonomiczne", 53.
• Żądło T. (2011a), On Prediction of Linear Combination of Domains' Totals in Longitudinal Analysis, "Studia Ekonomiczne", 65.
• Żądło T. (201 lb), On Some Practical Issues in Prediction of Domain Mean and Fraction, "Acta Universitatis Lodziensis, Folia Oeconomica", 255.
• Żądło T. (201 lc), On Some Calibration Estimators of Subpopulation Total for Longitudinal Data, "Acta Universitatis Lodziensis, Folia Oeconomica", 252.
• Żądło T. (2012a), O predykcji wartości globalnej w domenie z wykorzystaniem informacji o zmiennych dodatkowych przy założeniu modelu Faya-Herriota, "Acta Universitatis Lodziensis, Folia Oeconomica", 271.
• Żądło T. (2012b), On Pseudo-EBLUP under Some Model for Longitudinal Data with Auxiliary Variables, "Acta Universitatis Lodziensis, Folia Oeconomica", 269.
• Żądło T. (2013a), On Parametric Bootstrap and Alternatives of MSE, Proceedings of 31st International Conference Mathematical Methods in Economics 2013, College of Polytechnics Jihlava.
• Żądło T. (2013b), On Some Problems of Prediction of Domain Total in Longitudinal Surveys when Auxiliary Information Is Available, "Studia Ekonomiczne", 133.
• Żądło T. (2014a), On Longitudinal Moving Average Model for Prediction of Subpopulation Total, "Statistical Papers", pozytywnie zrecenzowany, w druku, dostępny online (DOI: 10.1007/s00362-014-0607-5).
• Żądło T. (2014b), On Prediction of the Subpopulation Total Based on Spatially Correlated Longitudinal Data, "Mathematical Population Studies", 21 (1).
• Żądło T. (2014c), On Prediction for Correlated Domains in Longitudinal Surveys, "Communication in Statistics - Theory and Methods", pozytywnie zrecenzowany, w druku, dostępny online (DOI10.1080/03610926.2013.857867).