Tomasz żądło Statystyka małych obszarów w badaniach ekonomicznych. podejście modelowe i mieszane (Tomasz Żądło)

Tytuł Statystyka niewiele znaczących obszarów w badaniach ekonomicznych. Podejście modelowe i mieszane Autor Tomasz Żądło Język polski Wydawnictwo Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach ISBN 978-83-7875-237-0 Rok wydania 2015 Katowice ilość stron 294 Format pdf Spis treści Wprowadzenie 9
Rozdział 1
Podstawy statystyki małych obszarów 17
1.1. Przedmiot statystyki drobnych obszarów 17
1.2. Przykłady zastosowań statystyki śladowych obszarów 19
1.3. Podstawowe oznaczenia 22
1.4. Podejście randomizacyjne 24
1.5. Podejście modelowe 30
1.6. Nieinformatywność planu losowania 36
1.7. Wybrane modele nadpopulacji 38
1.7.1. Ogólny model liniowy 38
1.7.2. Ogólny mieszany model liniowy 39
1.7.3. Wybrane przypadki szczególne modeli liniowych 41
1.8. Wybrane metody szacowania parametrów modeli 45
1.8.1. Metoda największej wiarygodności 45
1.8.2. Metoda największej wiarygodności z ograniczeniami 47
1.8.3. Metoda quasi-wiarygodności 48
1.8.4. Iteracyjna ważona metoda najmniejszych kwadratów 49
1.9. Dobór i weryfikacja modelu nadpopulacji 50
1.9.1. Kryteria wyboru modelu 51
1.9.2. Testy normalności rozkładu 51
1.9.3. Tradycyjne testy istotności efektów stałych 54
1.9.4. Konwencjonalne testy widoczności części wariancyjnych 55
1.9.5. Testy permutacyjne 56
1.10. Podsumowanie 59
Rozdział 2
Wybrane komponenty podejścia modelowego – badania prowadzone w jednym okresie 61
2.1. Najlepszy liniowy nieobciążony predyktor Hendersona 61
2.2. Empiryczna wersja predyktora Hendersona 63
2.2.1. Ocena błędu średniokwadratowego – rozwinięcie w szereg Taylora 64
2.2.2. Ocena błędu przeciętniekwadratowego – metoda jackknife 69
2.2.3. Ocena błędu przeciętniekwadratowego i przedziały ufności – parametryczny bootstrap 71
2.2.4. Ocena staranności predykcji z wykorzystaniem kwantyli rozkładu modułów błędów predykcji – przypadek jednowymiarowy i wielowymiarowy 74
2.3. Najkorzystniejszy liniowy nieobciążony predyktor Royalla 75
2.4. Empiryczna wersja predyktora Royalla 77
2.4.1. Ocena błędu średniokwadratowego – zastosowanie podejścia Hendersona 78
2.4.2. Ocena błędu przeciętniekwadratowego – rozwinięcie w szereg Taylora 80
2.4.3. Ocena błędu średniokwadratowego – metoda jackknife 82
2.4.4. Ocena błędu średniokwadratowego i przedziały ufności – atrybutyczny bootstrap 85
2.4.5. Ocena precyzyjności predykcji z użyciem kwantyli rozkładu modułów błędów predykcji – przypadek jednowymiarowy i wielowymiarowy 89
2.5. Modele nieliniowe i predyktor Hendersona 90
2.6. Modele nieliniowe i predyktor Royalla 91
2.7. Predykcja kompilacji liniowej charakterystyk domen 94
2.8. Wybrane przypadki szczególne najkorzystniejszych liniowych nieobciążonych predyktorów 99
2.9. Wybrane przypadki szczególne predyktorów empirycznych 102
2.9.1. Modele typu A – niezależne efekty losowe 103
2.9.2. Modele rodzaju A – efekty losowe skorelowane przestrzennie 108
2.9.3. Modele typu B – niezależność efektów i elementów losowych 113
2.9.4. Modele typu B – efekty losowe skorelowane przestrzennie 125
2.10. Badanie symulacyjne 129
2.10.1. Porównanie skrupulatności 131
2.10.2. Szacowanie błędu przeciętniekwadratowego i innych charakterystyk zezwalających na ocenę skrupulatności predykcji 137
2.11. Podsumowanie 140
Rozdział 3
Wybrane elementy podejścia modelowego – badania wielookresowe 143
3.1. Badania wielookresowe 143
3.2. Wybrane metody statystyki drobnych obszarów w badaniach wielookresowych 147
3.2.1. Modele typu A 147
3.2.2. Modele rodzaju B 150
3.3. Predykcja z użyciem modeli wielookresowych zakładanych dla profili 152
3.3.1. Model nadpopulacji 153
3.3.2. Predyktor 156
3.3.3. Ocena staranności predykcji – rozwinięcie w szereg Taylora 159
3.3.4. Ocena dokładności predykcji – metoda jackknife i cechyczna metoda bootstrap 162
3.3.5. Predykcja dla przyszłych okresów 165
3.3.6. Predykcja kompozycji liniowej charakterystyk domen 166
3.4. Wybrane przypadki szczególne modeli wielookresowych zakładanych dla profili 171
3.4.1. Wielookresowy model regresyjny z zagnieżdżonym komponentyem losowym 171
3.4.2. Wielookresowy prosty model regresyjny z losowym parametrem 174
3.4.3. Wielookresowy model regresyjny z losowym parametrem kierunkowym 178
3.4.4. Modele z efektami losowymi skorelowanymi w domenach i skorelowanymi w czasie składnikami losowymi 181
3.4.5. Modele z efektami losowymi skorelowanymi w grupach domen i skorelowanymi w czasie składnikami losowymi 185
3.5. Badanie symulacyjne 187
3.5.1. Porównanie skrupulatności 190
3.5.2. Szacowanie błędu przeciętniekwadratowego i innych statystyk zezwalających na ocenę skrupulatności predykcji 197
3.6. Podsumowanie 200
Rozdział 4
Wybrane elementy podejścia mieszanego 203
4.1. Estymatory kalibrowane i modelowo-kalibrowane wartości globalnej w populacji – badania prowadzone w jednym okresie 203
4.2. Estymatory kalibrowane wartości globalnej w domenie – badania prowadzone w jednym okresie 209
4.3. Estymatory modelowo-kalibrowane wartości globalnej w domenie – badania prowadzone w jednym okresie 214
4.4. Estymatory kalibrowane wartości globalnej w domenie – badania wielookresowe 215
4.5. Estymatory modelowo-kalibrowane wartości globalnej w domenie – badania wielookresowe 221
4.6. Pseudoempiryczne najlepsze liniowe nieobciążone predyktory wartości globalnej w domenie – badania prowadzone w jednym okresie 223
4.7. Pseudoempiryczne najkorzystniejsze liniowe nieobciążone predyktory wartości globalnej w domenie – badania wielookresowe 226
4.8. Badanie symulacyjne 231
4.8.1. Wyniki badania symulacyjnego 234
4.8.2. Analiza wybranych wyników 238
4.9. Podsumowanie 240
Rozdział 5
Inne klasy estymatorów i predyktorów 242
5.1. Estymacja i predykcja w przypadku losowej przynależności do domen 242
5.1.1. Model nadpopulacji 242
5.1.2. Najkorzystniejszy liniowy nieobciążony predyktor 244
5.1.3. Najlepszy dwuliniowy nieobciążony predyktor 245
5.1.4. Estymatory kalibrowane 247
5.1.5. Uogólnione predyktory liniowe 249
5.2. Szacowanie dowolnych charakterystyk domen – empiryczne najlepsze predyktory dla badań prowadzonych w jednym okresie 252
5.3. Szacowanie dowolnych charakterystyk domen – empiryczne najkorzystniejsze predyktory dla badań wielookresowych 258
5.4. Predykcja dowolnych charakterystyk domen dla przyszłych okresów 261
5.5. Badanie symulacyjne 262
5.6. Podsumowanie 273
Zakończenie 275
Bibliografia 279