关于基准化经验贝叶斯估计量均方误差的估计
统计方法学
2013-04-08 v1
摘要
我们在 Fay 和 Herriot 的基本区域水平模型下考虑基准化经验贝叶斯 (EB) 估计量，同时要求标准的基准化约束。在本文中，我们确定了通过基准化约束估计量所产生的超额均方误差 (MSE)。我们表明，由基准化引起的增量为 ，其中 是小区域的数量。此外，我们找到了该 MSE 的渐近无偏估计量，并将其与 EB 估计量的 MSE 的二阶近似（或等价地，Prasad 和 Rao (1990) 推导的经验最佳线性无偏预测量 (EBLUP) 的 MSE）进行比较。此外，使用类似于 Butar 和 Lahiri (2003) 的方法，我们计算了 Fay-Herriot 模型下基准化 EB 估计量 MSE 的参数自助法估计量，并将其与通过二阶近似发现的基准化 EB 估计量的 MSE 进行比较。最后，我们利用美国人口普查局的 SAIPE 数据和一项模拟研究说明了我们的方法。
引用
@article{arxiv.1304.1600,
title = {On estimation of mean squared errors of benchmarked empirical Bayes estimators},
author = {Rebecca C. Steorts and Malay Ghosh},
journal= {arXiv preprint arXiv:1304.1600},
year = {2013}
}