Small area estimation of labour force indicators under unit-level multinomial mixed models

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F24%3A00379548" target="_blank" >RIV/68407700:21340/24:00379548 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1093/jrsssa/qnae033" target="_blank" >https://doi.org/10.1093/jrsssa/qnae033</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1093/jrsssa/qnae033" target="_blank" >10.1093/jrsssa/qnae033</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Small area estimation of labour force indicators under unit-level multinomial mixed models

Popis výsledku v původním jazyce

This paper presents a new statistical methodology for the small area estimation of the proportion of employed, unemployed and inactive people, and of unemployment rates. The novel empirical best and plug-in predictors are based on a multinomial mixed model that is fitted to unit-level data. Model parameters are estimated by maximum-likelihood and mean-squared errors by parametric bootstrap. Several simulation experiments are carried out to empirically investigate the properties of these estimators and predictors. Finally, a detailed application to real data from the first Spanish Labour Force Survey of 2021 is included, where the target is to map labour force indicators by province, sex, and age group.

Název v anglickém jazyce

Small area estimation of labour force indicators under unit-level multinomial mixed models

Popis výsledku anglicky

This paper presents a new statistical methodology for the small area estimation of the proportion of employed, unemployed and inactive people, and of unemployment rates. The novel empirical best and plug-in predictors are based on a multinomial mixed model that is fitted to unit-level data. Model parameters are estimated by maximum-likelihood and mean-squared errors by parametric bootstrap. Several simulation experiments are carried out to empirically investigate the properties of these estimators and predictors. Finally, a detailed application to real data from the first Spanish Labour Force Survey of 2021 is included, where the target is to map labour force indicators by province, sex, and age group.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

<a href="/cs/project/EF16_019%2F0000778" target="_blank" >EF16_019/0000778: Centrum pokročilých aplikovaných přírodních věd</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2024

Kód důvěrnosti údajů

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

Název periodika

Journal of the Royal Statistical Society Series A: Statistics in Society

ISSN

0964-1998

e-ISSN

1467-985X

Svazek periodika

188

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

GB - Spojené království Velké Británie a Severního Irska

Počet stran výsledku

30

Strana od-do

241-270

Kód UT WoS článku

001202305300001

EID výsledku v databázi Scopus

2-s2.0-85215266995