INNE EBOOKI AUTORA
-17%
Autor:
Format:
pdf, ibuk
Praca składa się z pięciu rozdziałów. Pierwszy rozdział ma charakter wprowadzający. Przedstawiono w nim podstawowe definicje z zakresu metody reprezentacyjnej i statystyki małych obszarów. Rozdział drugi poświęcono empirycznym najlepszym liniowym nieobciążonym predyktorom w badaniach prowadzonych w jednym okresie. Rozdział trzeci poświęcono empirycznym najlepszym liniowym nieobciążonym predyktorom w badaniach wielookresowych. Oprócz przeglądu metod prezentowanych w literaturze przedstawiono autorski model nadpopulacji zakładany dla profili, uwzględniający występowanie korelacji w czasie i przestrzeni, zmiany populacji i przynależności elementów populacji do podpopulacji w czasie. Rozdział czwarty poświęcono podejściu mieszanemu. Rozdział piąty poświęcono klasom estymatorów i predyktorów, które nie były omawiane w poprzednich rozdziałach. W każdym z rozdziałów uwzględniono przykłady zastosowania metod statystyki małych obszarów w badaniach ekonomicznych, a ponadto rozdziały od drugiego do piątego uwzględniają badania symulacyjne przeprowadzone na danych rzeczywistych z wykorzystaniem programów przygotowanych w języku R.
Rok wydania | 2015 |
---|---|
Liczba stron | 294 |
Kategoria | Inne |
Wydawca | Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach |
ISBN-13 | 978-83-7875-237-0 |
Język publikacji | polski |
Informacja o sprzedawcy | ePWN sp. z o.o. |
INNE EBOOKI AUTORA
POLECAMY
Ciekawe propozycje
Spis treści
Wprowadzenie | 9 |
Rozdział | 1 |
Podstawy statystyki małych obszarów | 17 |
1.1. Przedmiot statystyki małych obszarów | 17 |
1.2. Przykłady zastosowań statystyki małych 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. Wybór i weryfikacja modelu nadpopulacji | 50 |
1.9.1. Kryteria wyboru modelu | 51 |
1.9.2. Testy normalności rozkładu | 51 |
1.9.3. Klasyczne testy istotności efektów stałych | 54 |
1.9.4. Klasyczne testy istotności komponentów wariancyjnych | 55 |
1.9.5. Testy permutacyjne | 56 |
1.10. Podsumowanie | 59 |
Rozdział | 2 |
Wybrane elementy 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 średniokwadratowego – metoda jackknife | 69 |
2.2.3. Ocena błędu średniokwadratowego i przedziały ufności – parametryczny bootstrap | 71 |
2.2.4. Ocena dokładności predykcji z wykorzystaniem kwantyli rozkładu modułów błędów predykcji – przypadek jednowymiarowy i wielowymiarowy | 74 |
2.3. Najlepszy liniowy nieobciążony predyktor Royalla | 75 |
2.4. Empiryczna wersja predyktora Royalla | 77 |
2.4.1. Ocena błędu średniokwadratowego – wykorzystanie podejścia Hendersona | 78 |
2.4.2. Ocena błędu średniokwadratowego – rozwinięcie w szereg Taylora | 80 |
2.4.3. Ocena błędu średniokwadratowego – metoda jackknife | 82 |
2.4.4. Ocena błędu średniokwadratowego i przedziały ufności – parametryczny bootstrap | 85 |
2.4.5. Ocena dokładności predykcji z wykorzystaniem 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 kombinacji liniowej charakterystyk domen | 94 |
2.8. Wybrane przypadki szczególne najlepszych 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 typu A – efekty losowe skorelowane przestrzennie | 108 |
2.9.3. Modele typu B – niezależność efektów i składników losowych | 113 |
2.9.4. Modele typu B – efekty losowe skorelowane przestrzennie | 125 |
2.10. Badanie symulacyjne | 129 |
2.10.1. Porównanie dokładności | 131 |
2.10.2. Szacowanie błędu średniokwadratowego i innych charakterystyk pozwalających na ocenę dokładności 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 małych obszarów w badaniach wielookresowych | 147 |
3.2.1. Modele typu A | 147 |
3.2.2. Modele typu B | 150 |
3.3. Predykcja z wykorzystaniem modeli wielookresowych zakładanych dla profili | 152 |
3.3.1. Model nadpopulacji | 153 |
3.3.2. Predyktor | 156 |
3.3.3. Ocena dokładności predykcji – rozwinięcie w szereg Taylora | 159 |
3.3.4. Ocena dokładności predykcji – metoda jackknife i parametryczna metoda bootstrap | 162 |
3.3.5. Predykcja dla przyszłych okresów | 165 |
3.3.6. Predykcja kombinacji liniowej charakterystyk domen | 166 |
3.4. Wybrane przypadki szczególne modeli wielookresowych zakładanych dla profili | 171 |
3.4.1. Wielookresowy model regresyjny z zagnieżdżonym składnikiem 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 dokładności | 190 |
3.5.2. Szacowanie błędu średniokwadratowego i innych statystyk pozwalających na ocenę dokładności 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 najlepsze 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. Najlepszy 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 najlepsze 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 |