Podejście kalibracyjne w statystycznej integracji danych

• Autorzy: Wojciech Roszka , Marcin Szymkowiak

Warianty tytułu

A Calibration Approach in Statistical Data Integration

• Języki publikacji: PL

Abstrakty

Statystyczna integracja danych jest grupą metod umożliwiających łączną ob-serwację cech nieobserwowanych wspólnie w żadnym z dostępnych źródeł danych. Efektem zastosowania tych metod jest utworzenie jednostkowego zbioru danych zawierających in-formacje o zmiennych ze wszystkich integrowanych źródeł. W konsekwencji możliwa jest analiza zmiennych pochodzących z różnych zbiorów danych. Dzięki takiemu podejściu ist-nieje na przykład możliwość konstrukcji tabeli kontyngencji zawierającej łączny rozkład zmiennych nieobserwowanych wspólnie w żadnym ze zbiorów. W artykule przedstawiono sposób konstrukcji tabel kontyngencji zmiennych nieobserwowanych jednocześnie w dwóch zbiorach danych z wykorzystaniem techniki parowania statystycznego uwzględniającego metody kalibracji.(abstrakt oryginalny)

EN

Statistical data integration comprises a group of methods enabling joint observa-tion of variables which are not observed together in any of the available data sources. De-pending on the approach adopted, these methods make it possible to create a dataset of units combining information about variables from all integrated sources or a contingency table containing a joint distribution of variables which are not observed together in any dataset. The article presents a method of constructing contingency tables of variables which are not observed together in two datasets by applying methods of statistical matching and calibra-tion.(original abstract)

Słowa kluczowe

PL

Kalibracja

EN

Calibration

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2014
• Tom: 23
• Numer: nr 328 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 308--315

Twórcy

autor

Wojciech Roszka

• Uniwersytet Ekonomiczny w Poznaniu

autor

Marcin Szymkowiak

• Uniwersytet Ekonomiczny w Poznaniu

Bibliografia

• Anderson T.W. (1957), Maximum likelihood estimates for a multivariate normal distribu-tion when some observations are missing, "Journal of the American Statistical Association" 52.
• D'Orazio M. (2011), Statistical Matching and Imputation of Survey Data with the Package StatMatch for the REnvironment, Italian National Institute of Statistics (Istat), Rome, Italy.
• D'Orazio M., Di Zio M., Scanu M. (2006), Statistical Matching. Theory and Practice, John Wiley & Sons Ltd., England.
• Leulescu A., Agafitei M. (2013), Statistical matching: a model based approach for data integration, Eurostat Methodologies and Working Papers.http://epp.eurostat.ec.europa.eu/cache/ ITY_OFFPUB/KS-RA-13-020/EN/KS-RA-13-020-EN.PDF.
• Raessler S. (2002), Statistical Matching: A Frequentist Theory, Practical Applications and Alternative Bayesian Approaches, Springer, New York.
• Renssen R.H. (1998), Use of statistical matching techniques in calibration estimation, Survey Methodology 24.
• Roszka W. (2013), Szacowanie łącznych charakterystyk cech nieobserwowanych łącznie, [w:] Klasyfikacja i analiza danych - teoria i zastosowania, red. K. Jajuga, M. Walesiak, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu nr 279, Taksonomia 21, Wydawnictwo UE, Wrocław.
• Särndal C.E., Lundström S. (2005), Estimation in Surveys with Nonresponse, Wiley.
• Szymkowiak M. (2009), Imputacja i kalibracja - nowe możliwości estymacji w badaniach statystycznych z brakiem odpowiedzi, Zeszyty Naukowe nr 116, Wydawnictwo Uniwersytetu Ekonomicznego w Poznaniu, Poznań.
• U.S. Bureau of the Census (1999), Integrated Information Solutions - The Future of Census Bureau Data Access and Dissemination, Statistical Commission and Economic Commission for Europe, Conference of European Statisticians.
• Zhang Li-Chun (2011), Topics of statistical theory for register-based statistics, 58th World Statistical Congress, Dublin, http://2011.isiproceedings.org/papers/450014.pdf.