Random regression coefficient area models

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F12%3A00187956" target="_blank" >RIV/68407700:21340/12:00187956 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

čeština

Original language name

Modely s náhodnými regresními koeficienty na úrovni oblastí

Original language description

Fay-Herriotův (FH) model je základní model na úrovni oblastí. Je speciálním případem lineárních smíšených modelů s pevnými a náhodnými efekty. V této práci navrhujeme zobecnění FH modelu, které na rozdíl od klasického FH modelu, obsahuje navíc náhodné regresní koefcienty. Naším cílem je prozkoumat chování námi navrhovaného modelu v situacích, kdy jsou malé oblasti rozděleny do několika skupin a kdy se přímé odhady sledované veličiny řídí jiným vztahem v závislosti na skupině. K odhadnutí parametrů modelu používáme metodu REML (Restricted Maximum Likelihood). Dále uvádíme formule pro výpočet odhadu EBLUP (Empirical Best Linear Unbiased Predictor) sledované veličiny a formule pro odhad jeho střední kvadratické chyby pro zobecněný FH model. Simulační experimenty ukazují chování REML odhadů parametrů modelu a přesnost EBLUP odhadů sledované veličiny. Námi navrhovaný model nakonec srovnáme s klasickým FH modelem. Ukazuje se, že klasický FH model je velmi adaptabilní a dobře funguje i na dat

Czech name

Modely s náhodnými regresními koeficienty na úrovni oblastí

Czech description

Fay-Herriotův (FH) model je základní model na úrovni oblastí. Je speciálním případem lineárních smíšených modelů s pevnými a náhodnými efekty. V této práci navrhujeme zobecnění FH modelu, které na rozdíl od klasického FH modelu, obsahuje navíc náhodné regresní koefcienty. Naším cílem je prozkoumat chování námi navrhovaného modelu v situacích, kdy jsou malé oblasti rozděleny do několika skupin a kdy se přímé odhady sledované veličiny řídí jiným vztahem v závislosti na skupině. K odhadnutí parametrů modelu používáme metodu REML (Restricted Maximum Likelihood). Dále uvádíme formule pro výpočet odhadu EBLUP (Empirical Best Linear Unbiased Predictor) sledované veličiny a formule pro odhad jeho střední kvadratické chyby pro zobecněný FH model. Simulační experimenty ukazují chování REML odhadů parametrů modelu a přesnost EBLUP odhadů sledované veličiny. Námi navrhovaný model nakonec srovnáme s klasickým FH modelem. Ukazuje se, že klasický FH model je velmi adaptabilní a dobře funguje i na dat

Type

O - Miscellaneous

CEP classification

BB - Applied statistics, operational research

OECD FORD branch

—

Project

—

Continuities

Z - Vyzkumny zamer (s odkazem do CEZ)<br>S - Specificky vyzkum na vysokych skolach

Publication year

2012

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů