Outlier Robust Small‐Area Estimation Under Spatial Correlation
Outlier Robust Small‐Area Estimation Under Spatial Correlation
复制标题
空间相关性下的异常值鲁棒小区域估计
DOI：
10.1111/sjos.12205
复制
发表时间：
2016
影响因子：
1
通讯作者：
Chambers
中科院分区：
文献类型：
--
作者：
Schmid;Tzavidis;Münnich;Chambers
现代官方统计系统要求估算和公布按行业领域和地理区域分列的商业统计数据。离群值稳健方法已被证明对小区域估计有用。然而，最近提出的基于离群值鲁棒模型的小区域方法假设不相关的随机效应。由于相似的行业领域或地理区域而产生的空间依赖性经常发生。在本文中，我们提出了一种离群稳健的小区域方法，允许数据中存在空间相关性。特别是，我们提出了一个强大的预测方法，结合了潜在的空间影响，从其他地区（域）的小面积（域）的利益。我们进一步提出了两种估计均方误差的参数bootstrap方法。仿真结果表明，所提出的方法可能会导致效率的提高。本文最后说明性的应用，通过使用商业数据估计平均劳动力成本在意大利各省。
Modern systems of official statistics require the estimation and publication of business statistics for disaggregated domains, for example, industry domains and geographical regions. Outlier robust methods have proven to be useful for small‐area estimation. Recently proposed outlier robust model‐based small‐area methods assume, however, uncorrelated random effects. Spatial dependencies, resulting from similar industry domains or geographic regions, often occur. In this paper, we propose an outlier robust small‐area methodology that allows for the presence of spatial correlation in the data. In particular, we present a robust predictive methodology that incorporates the potential spatial impact from other areas (domains) on the small area (domain) of interest. We further propose two parametric bootstrap methods for estimating the mean‐squared error. Simulations indicate that the proposed methodology may lead to efficiency gains. The paper concludes with an illustrative application by using business data for estimating average labour costs in Italian provinces.
登录
查看更多内容
稳健的小区域估计
影响因子：
3.7
作者：
Lixia Diao
通讯作者：
Lixia Diao
异常值稳健有限总体估计
影响因子：
3.7
作者：
R. Chambers
通讯作者：
R. Chambers
大学标准协会公告（1988）。
DOI：
--
发表时间：
--
期刊：
影响因子：
--
作者：
通讯作者：
--
影响因子：
3.7
作者：
R. Royall
通讯作者：
R. Royall
来自包含异常值的样本调查的偏差校准估计
DOI：
10.1111/1467-9868.00133
发表时间：
1998
期刊：
Journal of the Royal Statistical Society: Series B (Statistical Methodology)
影响因子：
--
作者：
A. Welsh;E. Ronchetti
通讯作者：
E. Ronchetti