On Accuracy of Two Predictors for Spatially and Temporally Correlated Longitudinal Data

• Autorzy: Tomasz Żądło

Warianty tytułu

O dokładności dwóch predyktorów dla skorelowanych danych przekrojowo-czasowych

• Języki publikacji: EN

Abstrakty

EN

Based on the simulation study two predictors were compared for spatially and temporally correlated longitudinal data. The first one under the correctly specified model where unknown parameters are estimated using REML and the second predictor under the misspecified model (under assumption of the lack of spatial and temporal correlation). It was shown, especially for small values of spatial correlation, that the second, simpler predictor can be a good alternative to the first one. (fragment of text)

Rozważny jest model dla danych przekrojowo-czasowych uwzględniający dwa składniki losowe spełniające odpowiednio założenia przestrzennego modelu autoregresyjnego oraz modelu autoregresyjnego w czasie. W pracy rozważane są dwa predyktory wartości globalnej w domenie. Pierwszy z nich jest empirycznym najlepszym liniowym nieobciążonym predyktorem wyprowadzonym przy założeniu wspomnianego modelu. Drugi jest najlepszym liniowym nieobciążonym predyktorem przy założeniu modelu mieszanego, w którym elementy składników losowych są niezależne. Analiza została wsparta badaniami symulacyjnymi. (oryginalny abstrakt)

Słowa kluczowe

EN

Statistical surveys

PL

Badania statystyczne

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2012
• Numer: nr 120 Survey sampling in economic and social research
• Strony: 97--105

Twórcy

autor

Tomasz Żądło

• University of Economics in Katowice, Poland

Bibliografia

• 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), 331-350.
• Hedeker, D., Gibbons, R.D. (2006) Longitudinal Data Analysis. John Wiley and Sons, New Jersey.
• Henderson, C.R. (1950) Estimation of genetic parameters (Abstract). "Annals of Mathematical Statistics" 21, 309-310.
• Molina, I., Salvati, N., Pratesi, M. (2009) Bootstrap for estimating the MSE of the Spatial EBLUP. "Computational Statistics" 24, 441-458.
• Petrucci, A., Salvati, N. (2006) Small area estimation for spatial correlation in watershed erosion assessment. "J Agric Biol Environ Stat" 11, 169-182.
• Pratesi, M., Salvati, N. (2008) Small area estimation: the EBLUP estimator based on spatially correlated random area effects. "Stat Methods Appl" 17, 113-141.
• Petrucci, A., Pratesi, M., Salvati, N. (2005) Geographic information in small area estimation: small area models and spatially correlated random area effects. "Statistics in Transition" 7(3), 609-623.
• Rao, J.N.K (2003) Small area estimation. John Wiley and Sons, New Jersey.
• Rao, J.N.K, Yu, M. (1994) Small-Area Estimation by Combining Time-Series and Cross-Sectional Data. "The Canadian Journal of Statistics" 22(4), 511-528.
• R Development Core Team (2011) A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna.
• Royall, R.M. (1976) The linear least squares prediction approach to two- stage sampling. JASA, 71, 657-664.
• Salvati, N., Pratesi, M., Tzavidis, N., Chambers, R. (2009) Spatial M-quantile models for small area estimation. "Statistics in Transition" 10(2), 251- -261.
• Saei, A., Chambers, R. (2003) Small area estimation under linear and generalized linear mixed models with time an area effects. "S3RI Methodology Working Paper" M03/15r, University of Southampton.
• Verbeke, G., Molenberghs, G.(2000) Linear Mixed Models for Longitudinal Data. Springer-Verlag, New York.
• Żadło, T. (2010) On prediction of domain total based on balanced panel data. Acta Universitatis Lodziensis, Folia Oeconomica 235, 63-72.
• Żądło, T. (2011) On some problems of prediction of domain total in longitudinal surveys when auxiliary information is available, submitted to Studia Ekonomiczne.