Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Modely s náhodnými regresními koeficienty na úrovni oblastí

Identifikátory výsledku

  • Kód výsledku v 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>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    čeština

  • Název v původním jazyce

    Modely s náhodnými regresními koeficienty na úrovni oblastí

  • Popis výsledku v původním jazyce

    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

  • Název v anglickém jazyce

    Random regression coefficient area models

  • Popis výsledku anglicky

    The Fay-Herriot (FH) model is a basic area level model. It is a special instance of the linear mixed models with Fixed and random effects. In this thesis we introduce the generalized FH model which, unlike the classical FH model, includes random regression coeffcients to treat situations where small areas are divided into several groups and where direct estimators of the variable of interest follow different relation depending on group. We use REML (Restricted Maximum Likelihood) method to obtain estimates of model parameters. We provide formulas to calculate EBLUP (Empirical Best Linear Unbiased Predictor) of the variable of interest and to estimate its mean squared error. Simulation experiments are presented to investigate the behaviour of the REML estimates and to show the accuracy of the EBLUPs calculated by proposed model. Finally, the FH model and its proposed generalization are compared. The FH model proves to be very adaptable to the data generated by the model with random regr

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

    BB - Aplikovaná statistika, operační výzkum

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2012

  • Kód důvěrnosti údajů

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