基于折中回归权重改进的小域估计
统计方法学
2022-01-11 v2
摘要
小域参数的收缩估计通常利用仅使用特定小域数据的含噪“直接”估计与更稳定的回归估计的组合。当回归模型设定错误时，由于向估计不良的回归面大幅收缩，噪声较大的域的估计性能会受到影响。在本文中，我们引入了一类新的稳健的、经验驱动的回归权重，旨在全局回归模型可能设定错误的情况下估计小域均值。我们的回归权重是与最佳线性无偏预测（BLUP）相关的基于模型的权重和与观测最佳预测（OBP）相关的权重的凸组合。该凸组合中的折中参数通过最小化小域均值均方预测误差的一个新的无偏估计来确定，我们将相关的小域估计称为“折中最佳预测”，即 CBP。对回归权重使用数据自适应混合使 CBP 在回归模型正确时保留 EBLUP 主要优势的同时，具备 OBP 的稳健性。我们展示了 CBP 在估计老年人步速中的应用。
引用
@article{arxiv.2006.15638,
title = {Improved Small Domain Estimation via Compromise Regression Weights},
author = {Nicholas C. Henderson and Ravi Varadhan and Thomas A. Louis},
journal= {arXiv preprint arXiv:2006.15638},
year = {2022}
}