期刊名称：Acta Universitatis Lodziensis. Folia Oeconomica
印刷版ISSN：0208-6018
出版年度：2016
卷号：2016
期号：3
页码：37-53
DOI：10.18778/0208-6018.322.05
语种：English
出版社：Lodz University Press
摘要：Modelling and estimating relationships that combine time series and cross sectional data is often discussed in the statistical literature but in these considerations sampling errors are seldom taken into account.In the paper the application of the Rao-Yu model involving both- autocorrelated random effects between areas and sampling errors-has been presented.On the basis of this model the empirical best linear unbiased predictor (EBLUP) with time correlation has been obtained.As an example the application of several income-related variables for the Polish voivodships (regions) and the years 2003–2011 was used on the basis of the Polish Household Budget Survey and selected explanatory variables obtained from Polish Local Data Bank.The computations were performed using sae2 and sae packages for R-project environment and WesVAR software.The precision of the direct estimates was obtained using Balanced Repeated Replication (BRR) technique. For most investigated cases,the proposed methods based on the Rao-Yu model yielded the significant improvement of small area estimates due to substantial reduction of their relative estimation errors as compared to the ordinary EBLUP technique.For some income variables examined within the study very high values of time-related autocorrelation coefficient were observed.These values were in some cases higher than 0.9,what can be – in our opinion – a good illustration of income growth tendency observed in Poland in the period under consideration.
其他摘要：Modelowanie i szacowanie zależności,które uwzględniają szeregi czasowe oraz dane przekrojowe jest często dyskutowane w literaturze statystycznej,ale na ogół w takich pracach nie są brane pod uwagę błędy losowe.W pracy przedstawiono zastosowanie modelu Rao Yu uwzględniającego zarówno autokorelację między obszarami efektów losowych zjawisk w czasie,jak i błędy losowe oszacowane na podstawie próby.Na podstawie modelu otrzymano empiryczny najlepszy nieobciążony predyktor liniowy (EBLUP),uwzględniający korelację zjawisk w czasie.Jako przykład wybrano aplikację dla kilku zmiennych dochodowych wyznaczonych dla województw dla lat 2003–2011 na podstawie Badania Budżetów Gospodarstw Domowych wraz z wybranymi zmiennymi objaśniającymi pochodzącymi z Banku Danych Lokalnych.GUS.Obliczenia wykonano w systemie R-project z użyciem pakietów sae2 i sae oraz programu WesVar.Precyzję dla szacunków bezpośrednich wyznaczono z użyciem metody półprób zrównoważonych (BRR). Dla większości rozważanych przypadków zaproponowana metoda,stosująca model dla małych obszarów typu Rao-Yu,skutkuje znaczącą poprawą szacunków średniego dochodu gospodarstw domowych w Polsce,o czym świadczą oceny błędów szacunku porównane do zwykłej estymacji EBLUP.Dla części otrzymanych modeli stwierdzono istnienie wysokiej autokorelacji związanej ze składnikiem losowym dla czasu ρ (o wartościach niekiedy wyższych od 0.9),co dobrze ilustruje tendencje wzrostowe dla dochodów gospodarstw domowych w Polsce w rozważanym okresie.
关键词：small area estimation;EBLUP estimator;Rao-Yu model;nonlinear analysis
其他关键词：Estymacja dla małych obszarów;estymator EBLUP;model Rao-Yu; analiza nieliniowa
