A comparative study of small area estimators

  1. Santamaría Arana, Laureano
  2. Molina Peralta, Isabel
  3. Morales González, Domingo
Revista:
Sort: Statistics and Operations Research Transactions

ISSN: 1696-2281

Año de publicación: 2004

Volumen: 28

Número: 2

Páginas: 215-230

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Sort: Statistics and Operations Research Transactions

Resumen

Com ¿es sabut, els estimadors directes de par`ametres de petites `arees calculats amb dades d'aquestes `arees, sovint presenten grans errors quadr`atics mitjans deguts als redu¿its mides de les mostres en aquestes petites `arees. Per tal d'evitar aquest problema, els estimadors basats en models prenen par`ametres d'altres `arees relacionades. Com de petit ha de ser el domini de la mida de les mostres per poder-se recomanar l'¿us d'estimadors basats en models? Com s¿on de robusts els estimadors de petites `arees respecte a la r`atio mida de la mostra/nombre de dominis? Per tal de donar respostes o recomanacions a les q¿uestions plantejades m¿es amunt es du a terme l'experiment de simulaci¿o Monte Carlo. En aquest estudi de simulaci¿o, es comparen estimadors basats en models per a petites `arees amb estimadors est`andards basats en dissenys. L'estudi de simulaci¿o comen¿ca amb la creaci¿o d'un fitxer de poblaci¿o artificial el qual imita un fitxer censal provinent d'una Oficina d'Estad¿istica. A fi d'extreure mostres de la poblaci¿o artificial s'usa un disseny estratificat aleatori. Es calculen els estimadors de petites `arees de la mitjana d'una variable cont¿inua per a petites `arees i es comparen realitzant diferents mesures. S'estudia l'evoluci¿o d'aquestes mesures quan s'incrementa el nombre de petites `arees la qual cosa significa una disminuci¿o en les seves mides.

Referencias bibliográficas

  • Battesse, G. E., Harter, R. M. and Fuller, W. A. (1988). An error-component model for prediction of county crop areas using survey and satellite data.Journal of the American Statistical Association, 83, 28-36.
  • Drew, J. D., Singh, M. P. and Choudhry, G. H. (1982). Evaluation of small area techniques for the Canadian Labour Force Survey.Survey Methodology, 8, 17-47.
  • Ghosh, M. and Rao, J. N. K. (1994). Small area estimation: an appraisal.Statistical Science, 9, 55-93.
  • Henderson, C. R. (1953). Estimation of variance and covariance components.Biometrics, 9, 226-252.
  • Prasad, N. G. N. and Rao, J. N. K. (1990). The estimation of themean squared error of small-area estimators.Journal of the American Statistical Association, 85, 163-171.
  • Rao, J. N. K. and Choudhry, G. H. (1995). Small area estimation: overview and empirical study.Business Survey Methods(Cox, Binder, Chinnappa, Christianson, Colledge, Kott, eds.). John Wiley, 527-542.
  • Särndal, C., Swensson, B. and Wretman, J. (1992).Model Assisted Survey Sampling. Springer-Verlag.
  • Searle, S. R., Casella, G. and McCullogh, C. E. (1992).Variance Components. John Wiley. New York.
  • Valliant, R., Dorfman, A. H. and Royall, R. M. (2000).Finite Population Sampling and Inference. A Prediction Approach. John Wiley. New York.
Fuente de los datos: Dialnet