Inferential Issues in Model-Based Small Area Estimation: Some History and Recent Developments
Model-based Small Area Estimation (SAE) has seen rapid growth due to growing demand for reliable small area estimators of totals and other parameters. Direct estimators are unreliable due to small area-specific sample sizes. It is therefore necessary to “borrow strength” through implicit or explicit models linking related areas. We study explicit area-level and unit-level models and focus on selective recent developments (mostly after 2015). Under a basic area level model, we consider semi-parametric MSE estimation and robust estimation of small area means under model misspecification. Under a basic unit level model, methods for estimating complex small area parameters will be presented, including robust estimation in the presence of outliers. Estimation methods studied included empirical best linear unbiased prediction (EBLUP), empirical Bayes (EB) and hierarchical Bayes (HB).
Problèmes inférentiels dans l’estimation sur petits domaines fondée sur modèle : historique et développements récents
L'estimation sur petits domaines (SAE) fondée sur modèle a connu une croissance rapide en raison de la demande croissante d'estimateurs fiables pour les totaux et autres paramètres des petits domaines. Les estimateurs directs ne sont pas fiables en raison de la petite taille des échantillons spécifiques à ces domaines. Il est donc nécessaire de recourir à des modèles implicites ou explicites reliant les domaines connexes. Nous étudions les modèles explicites au niveau du domaine et de l'unité et nous nous concentrons sur certains développements récents (principalement après 2015). Dans le cadre d'un modèle de base au niveau du domaine, nous examinons l'estimation semi-paramétrique de l'erreur quadratique moyenne et l'estimation robuste des moyennes de petits domaines en cas de spécification erronée du modèle. Dans le cadre d'un modèle de base au niveau de l'unité, nous présentons des méthodes d'estimation de paramètres complexes de petits domaines, y compris l'estimation robuste en présence de valeurs aberrantes. Les méthodes d'estimation étudiées incluent la meilleure prédiction empirique linéaire non biaisée (EBLUP), la méthode empirique de Bayes (EB) et la méthode hiérarchique de Bayes (HB).
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais