• 응용통계연구
• /
• 제25권3호
• /
• pp.457-464
• /
• 2012

Small area estimation is a statistical inference method to overcome the large variance due to the small sample size allocated in a small area. Recently some nonparametric estimators have been applied to small area estimation. In this study, we suggest a nonparametric mixed effect small area estimator using kernel smoothing and compare the small area estimators using labor statistics.

• 응용통계연구
• /
• 제22권1호
• /
• pp.153-161
• /
• 2009

We consider a logistic model with random effects as the superpopulation for estimating the small area pro-portions. The best linear unbiased predictor under linear mired model is popular in small area estimation. We use this type of estimator under logistic mixed motel for the small area proportions, on which the estimation of mean squared error is also discussed. Two kinds of estimation methods, the parametric bootstrap and the linear approximation will be compared through a Monte Carlo study in the respects of the normality assumption on the random effects distribution and also the magnitude of sample sizes on the approximation.

• 응용통계연구
• /
• 제23권5호
• /
• pp.891-908
• /
• 2010

근래 소지역 추정(small area estimation)에 관한 연구는 비교적 활발하게 이루어진 편인데 비해, 우리나라의 국가통계 작성에 실제 활용된 사례는 거의 없는 실정이다. 이는 소지역 추정이 갖는 많은 장점에도 불구하고 공식통계 활용 여부를 판단하기가 그만큼 어렵기 때문이다. 본 연구는 소지역 추정방법에 의해 우리나라 시군구 실업자 통계를 생산하는 방법을 모색하고자 한다. 시군구 실업자수 추정은 로지스틱 선형혼합모형에 의한 EBLUP 타입(EBLUP-type) 추정량을 사용하였다. 실제자료분석과 모의실험 결과에 대해 다양한 평가 방법을 적용하고, 추정량의 특성을 비교 분석하였다. 그 결과 본 연구에서 적용한 로지스틱 선형혼합모형 기반 EBLUP 타입 추정량은 우리나라 시군구 실업자수 추정에 활용 가능성이 높은 것으로 평가되었다.

• 응용통계연구
• /
• 제15권1호
• /
• pp.119-128
• /
• 2002

Rao와 Yu(1994)는 소지역 추정(small area estimation) 문제를 해결하기 위한 방법으로 추정 시점과 인접지역 정보 등 보조정보와 과걱의 표본조사 결과를 모두 이용하는 모형과 그 모형으로 부터 경험적최량선형비편향추정량(Empirical Best Unbiased Predictor)을 제안하였다. 본 논문에서는 Rao와 Yu의 모형에서 미지의 모수에 대한 사전확률분포를 가정한 계층적 베이즈 추정량을 제안하고, 이를 미국의 주별 4인가족 소득추정문제에 적용하여 그 효율을 미국의 Census Bureau에서 사용하고 있는 경험적 베이즈추정량 및 이전에 제안된 다른 추정량들과 비교하였다.

• Communications for Statistical Applications and Methods
• /
• 제11권3호
• /
• pp.583-595
• /
• 2004

For the Korean Economically Active Population Survey(EAPS), we consider the composite estimator based on logistic regression model to estimate the unemployment rate for small areas(Si/Gun). Also, small area estimation technique based on hierarchical generalized linear model is proposed to include the random effect which reflect the characteristic of the small areas. The proposed estimation techniques are applied to real domestic data which is from the Korean EAPS of Choongbuk. The MSE of these estimators are estimated by Jackknife method, and the efficiencies of small area estimators are evaluated by the RRMSE. As a result, the composite estimator based on logistic model is much more efficient than others and it turns out that the composite estimator can produce the reliable estimates under the current EAPS system.

• 응용통계연구
• /
• 제26권1호
• /
• pp.71-79
• /
• 2013

지역 또는 도메인에 작은 크기의 표본이 배정되어 추정의 정도가 나쁜 경우에 사용되는 준모수적 또는 비모수적 소지역 추정법은 최근 많은 연구가 진행되고 있다. 본 논문에서는 커널을 이용한 국소다항 혼합모형 소지역 추정법과 벌점 스플라인을 이용한 혼합모형 소지역 추정법이 연구되었다. 이 두 방법과 소지역추정에 흔히 사용되고 있는 선형 혼합모형을 모의실험을 통해 그 우수성을 비교하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권4호
• /
• pp.885-893
• /
• 2013

This paper considers Bayes estimations of the small area means under Fay-Herriot model with measurement errors. We provide empirical Bayes predictors of small area means with the corresponding jackknifed mean squared prediction errors. Also we obtain hierarchical Bayes predictors and the corresponding posterior standard deviations using Gibbs sampling. Numerical studies are provided to illustrate our methods and compare their eciencies.

• Communications for Statistical Applications and Methods
• /
• 제8권2호
• /
• pp.407-416
• /
• 2001

Sample surveys are usually designed and analyzed to produce estimates for a large area or populations. Therefore, for the small area estimations, sample sizes are often not large enough to give adequate precision. Several small area estimation methods were proposed in recent years concerning with sample sizes. Here, we will compare simple Bayesian approach with Bayesian prediction for small area estimation based on linear regression model. The performance of the proposed method was evaluated through unemployment population data form Economic Active Population(EAP) Survey.

• Communications for Statistical Applications and Methods
• /
• 제17권3호
• /
• pp.337-347
• /
• 2010

대부분의 통계조사는 전국 및 시도단위와 같은 전체 또는 규모가 큰 지역을 위한 통계작성이 가능하도록 설계되어 있다. 그러나 최근들어 소규모 지역의 신뢰있는 통계결과에 대한 통계 이용자들의 요구가 점점 증가하고 있다. 경제활동인구조사는 전국 및 16개 시도를 위한 실업률을 매월 작성하고 있으나, 시군별 직접추정량은 적은 표본규모 때문에 신뢰도가 낮다. 본 연구에서는 경제활동인구조사에서 제공되는 실업자수에 대한 통계를 시군별로 작성하기 위한 모형을 제시한다. 이를 위해 보조정보로부터 "정보를 빌려오는(borrow strength)" 지역단위모형(Area level model)을 사용하였다. 제안된 모형 기반 추정(Model-based Estimation)은 모형 오차의 정규성 가정을 기반으로 하고 있으며, 평균제곱오차 측면에서 제안된 모형들을 비교하였다.

• Communications for Statistical Applications and Methods
• /
• 제27권3호
• /
• pp.349-363
• /
• 2020

Penalized spline is a suitable nonparametric approach in estimating mean model in small area. However, application of the approach in informative sampling in a published article is uncommon. We propose a semiparametric mixed-model using penalized spline under informative sampling to estimate mean of small area. The response variable is explained in terms of mean model, informative sample effect, area random effect and unit error. We approach the mean model by penalized spline and utilize a penalized spline function of the inclusion probability to account for the informative sample effect. We determine the best and unbiased estimators for coefficient model and derive the restricted maximum likelihood estimators for the variance components. A simulation study shows a decrease in the average absolute bias produced by the proposed model. A decrease in the root mean square error also occurred except in some quadratic cases. The use of linear and quadratic penalized spline to approach the function of the inclusion probability provides no significant difference distribution of root mean square error, except for few smaller samples.