• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Survey methodology >Small area estimation of survey weighted counts under aggregated level spatial model
【24h】

Small area estimation of survey weighted counts under aggregated level spatial model

机译：聚合水平空间模型下调查加权计数的小面积估计

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The empirical predictor under an area level version of the generalized linear mixed model (GLMM) is extensively used in small area estimation (SAE) for counts. However, this approach does not use the sampling weights or clustering information that are essential for valid inference given the informative samples produced by modern complex survey designs. This paper describes an SAE method that incorporates this sampling information when estimating small area proportions or counts under an area level version of the GLMM. The approach is further extended under a spatial dependent version of the GLMM (SGLMM). The mean squared error (MSE) estimation for this method is also discussed. This SAE method is then applied to estimate the extent of household poverty in different districts of the rural part of the state of Uttar Pradesh in India by linking data from the 2011-12 Household Consumer Expenditure Survey collected by the National Sample Survey Office (NSSO) of India, and the 2011 Indian Population Census. Results from this application indicate a substantial gain in precision for the new methods compared to the direct survey estimates.
机译：广义线性混合模型（GLMM）的区域级别版本下的经验预测变量广泛用于小面积估计（SAE）中。但是，鉴于现代复杂调查设计所提供的信息性样本，这种方法并未使用对于有效推断必不可少的采样权重或聚类信息。本文介绍了一种SAE方法，该方法在估计GLMM的区域级别版本下的小面积比例或计数时会包含此采样信息。该方法在GLMM（SGLMM）的空间相关版本下得到了进一步扩展。还讨论了该方法的均方误差（MSE）估计。然后，通过链接国家抽样调查办公室（NSSO）收集的2011-12年家庭消费者支出调查的数据，将该SAE方法应用于印度北方邦农村地区不同地区的家庭贫困程度估计印度和2011年印度人口普查。该应用程序的结果表明，与直接调查估计相比，新方法的精度有了显着提高。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号