基于分组数据的估计
统计方法学
2012-10-03 v2
摘要
诸如家庭收入等变量有时会被分组，以至于我们只知道有多少家庭落入各个组别，例如 10,000-15,000 美元或 $200,000+ 美元。我们提供了一个 SAS 宏，通过拟合扩展广义 Gamma（EGG）分布、幂正态（PN）分布以及一种我们称为幂 Logistic（PL）的新分布，来估计分组数据的均值和方差。该宏还实现了一种“优中选优”估计量，基于似然性和有限方差在 EGG、PN 和 PL 估计量中进行选择。我们通过估计 1970 年至 2009 年间约 13,000 个美国学区的家庭和家庭户均收入对该宏进行了测试。估计值的偏差可忽略不计（0-2%），均方根误差仅为 3-6%。与拟合 Dagum、广义 Beta（GB2）或对数样条分布获得的估计值相比，这些估计值表现更佳。
引用
@article{arxiv.1210.0200,
title = {Estimation with Binned Data},
author = {Paul T. von Hippel and Igor Holas and Samuel V. Scarpino},
journal= {arXiv preprint arXiv:1210.0200},
year = {2012}
}
备注
16 pages + 2 tables + 4 figures