کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6868643 | 1440030 | 2018 | 20 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Small area estimation under a spatially non-linear model
ترجمه فارسی عنوان
برآورد مساحت کوچک تحت یک مدل غیر خطی فضایی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
برآورد منطقه ای کوچک، مدل های غیر پارامتری، روابط فضایی، تعداد داده ها، شاخص فقر،
ترجمه چکیده
ما یک روش برای ارزیابی مقادیر کوچکی از شمارش ها را توصیف می کنیم که فرض می شود نسخه سطح یک مدل ترکیبی خطی غیر پارامتری تعمیم یافته با ساختار متوسط که با استفاده از اسپیلین های فضایی تعریف شده است. روش پیشنهادی جایگزین روشهای دیگر برآورد کوچک منطقه براساس مدلهای مکانی سطح است که برای هر دو جمعیت فضایی ثابت و مکانهای غیراساسی طراحی شده است. ما یک برآوردگر برای خطای متوسط مربع پیش بینی کننده پیشنهادی کوچک و همچنین یک رویکرد برای آزمایش ساختار فضایی در داده ها را تهیه می کنیم و پیش بینی کننده منطقه پیشنهادی و میانگین بردار خطای مربع از طریق مطالعات شبیه سازی را ارزیابی می کنیم. نتایج تجربی ما نشان می دهد که وقتی داده های فضایی غیر ثابت هستند، پیش بینی کننده منطقه ای پیشنهادی از برآوردهای سطح دیگر منطقه در استفاده معمول استفاده می کند و پیش بینی میانگین خطای مربع پیش بینی شده به طور معقول خوبی خطای متوسط مربع را دنبال می کند، با فواصل اطمینان بر اساس آن به دست آوردن نزدیک به پوشش اسمی یک برنامه کاربردی برای برآورد فقر با استفاده از داده های سنجش مصرف مصارف خانوار از سال 2011 تا 2012 که توسط اداره نمونه گیری ملی هند جمع آوری شده است ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نظریه محاسباتی و ریاضیات
چکیده انگلیسی
We describe a methodology for small area estimation of counts that assumes an area-level version of a nonparametric generalized linear mixed model with a mean structure defined using spatial splines. The proposed method represents an alternative to other small area estimation methods based on area level spatial models that are designed for both spatially stationary and spatially non-stationary populations. We develop an estimator for the mean squared error of the proposed small area predictor as well as an approach for testing for the presence of spatial structure in the data and evaluate both the proposed small area predictor and its mean squared error estimator via simulations studies. Our empirical results show that when data are spatially non-stationary the proposed small area predictor outperforms other area level estimators in common use and that the proposed mean squared error estimator tracks the actual mean squared error reasonably well, with confidence intervals based on it achieving close to nominal coverage. An application to poverty estimation using household consumer expenditure survey data from 2011-12 collected by the national sample survey office of India is presented.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 126, October 2018, Pages 19-38
Journal: Computational Statistics & Data Analysis - Volume 126, October 2018, Pages 19-38
نویسندگان
Hukum Chandra, Nicola Salvati, Ray Chambers,