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”

Random regression coefficient area level models

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F12%3A00199080" target="_blank" >RIV/68407700:21340/12:00199080 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Random regression coefficient area level models

  • Popis výsledku v původním jazyce

    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 contribution we introduce the generalized FH model which, unlike the classical FH model, includes random regression coefficients 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 the 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 the 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

  • Název v anglickém jazyce

    Random regression coefficient area level 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 contribution we introduce the generalized FH model which, unlike the classical FH model, includes random regression coefficients 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 the 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 the 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

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

    BB - Aplikovaná statistika, operační výzkum

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    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