用于失业率指标小区域估计的半参数经验最佳预测
统计方法学
2018-08-23 v2
摘要
意大利国家统计局定期利用劳动力调查数据提供失业率指标的估计值。然而，无法发布当地劳动力市场区域的失业率直接估计值。这些是作为市镇集群定义的非计划域；许多是样本外区域，且大多数具有小样本量，这使得直接估计不充分。经验最佳预测器代表了一种合适的、基于模型的替代方案。然而，对于非高斯响应，其计算及其均方误差的解析近似计算需要求解（可能）多个积分，这些积分通常没有闭式解。为解决此问题，蒙特卡洛方法和参数 bootstrap 是常见选择，尽管计算负担是一项非平凡的任务。在本文中，我们针对（可能）非线性混合效应模型提出了一种半参数经验最佳预测器，该方法不指定区域特定随机效应的分布，而是从观测数据中对其进行估计。已知这种方法会导致离散混合分布，有助于避免不可验证的参数假设和繁重的积分近似。我们还推导了对应均方误差的二阶偏差校正解析近似。通过大规模模拟研究测试了所提方法的有限样本性质。此外，该提案被应用于 2012 年意大利劳动力调查的单元级数据，利用行政登记册和 2011 年人口普查的辅助信息，估计了 611 个当地劳动力市场区域的失业率。
引用
@article{arxiv.1704.02220,
title = {Semi-Parametric Empirical Best Prediction for small area estimation of unemployment indicators},
author = {Maria Francesca Marino and Maria Giovanna Ranalli and Nicola Salvati and Marco Alfo'},
journal= {arXiv preprint arXiv:1704.02220},
year = {2018}
}