自适应稳健的小区域估计：经验贝叶斯置信区间的稳健性与效率的平衡
统计方法学
2022-06-28 v2
摘要
基于著名的 Fay-Herriot 模型的经验贝叶斯小区域估计在存在异常区域时可能会产生不可靠的估计。当假设分布合理时，针对异常值或模型误设的现有稳健方法通常是低效的。本文提出对标准经验贝叶斯方法进行简单修改，以自适应地平衡稳健性和效率。所提出的方法采用 gamma 散度代替边际对数似然，并通过追求区域参数的经验贝叶斯置信区间的效率，来优化控制稳健性的调节参数。我们在假设分布的正确设定和异常区域存在的情况下，提供了所提方法的渐近理论。我们通过模拟和对平均犯罪数量的小区域估计应用，研究了所提方法的数值性能。
引用
@article{arxiv.2108.11551,
title = {Adaptively Robust Small Area Estimation: Balancing Robustness and Efficiency of Empirical Bayes Confidence Intervals},
author = {Daisuke Kurisu and Takuya Ishihara and Shonosuke Sugasawa},
journal= {arXiv preprint arXiv:2108.11551},
year = {2022}
}
备注
20 pages (main text) + 19 pages (supplementary material)