• 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：在广义线性混合模型（GLMM）的区域水平版本下的经验预测器广泛用于小区估计（SAE）以进行计数。然而，这种方法不使用对有效推断至关重要的采样权重或聚类信息，因为通过现代复杂调查设计产生的信息样本。本文介绍了一种SAE方法，其在估计GLMM的区域级别版本下的小面积比例或计数时结合了该采样信息。该方法在GLMM（SGLMM）的空间依赖版本下进一步扩展。还讨论了该方法的平均平方误差（MSE）估计。然后，通过将国家样本调查办公室收集的2011-12家庭消费者支出调查的数据联系在印度（NSSO）收集的数据，将该SAE方法申请估计印度北方邦北方邦乌塔尔邦州北方邦州乌尔普拉德州的不同地区的家庭贫困程度印度和2011年印度人口普查。与直接调查估计相比，本申请的结果表明新方法的精确增益。

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