Statystyka małych obszarów w badaniach ekonomicznych. Podejście modelowe i mieszane

• Druk: Katowice, 2015
• Autor: Tomasz Żądło
• Wydawca: Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach

Praca składa się z pięciu rozdziałów. Pierwszy rozdział ma charakter wprowadzający. Przedstawiono w nim podstawowe definicje z zakresu metody reprezentacyjnej i statystyki małych obszarów. Rozdział drugi poświęcono empirycznym najlepszym liniowym nieobciążonym predyktorom w badaniach prowadzonych w jednym okresie. Rozdział trzeci poświęcono empirycznym najlepszym liniowym nieobciążonym predyktorom w badaniach wielookresowych. Oprócz przeglądu metod prezentowanych w literaturze przedstawiono autorski model nadpopulacji zakładany dla profili, uwzględniający występowanie korelacji w czasie i przestrzeni, zmiany populacji i przynależności elementów populacji do podpopulacji w czasie. Rozdział czwarty poświęcono podejściu mieszanemu. Rozdział piąty poświęcono klasom estymatorów i predyktorów, które nie były omawiane w poprzednich rozdziałach. W każdym z rozdziałów uwzględniono przykłady zastosowania metod statystyki małych obszarów w badaniach ekonomicznych, a ponadto rozdziały od drugiego do piątego uwzględniają badania symulacyjne przeprowadzone na danych rzeczywistych z wykorzystaniem programów przygotowanych w języku R.

• Kategorie:
  1. Ebooki i Audiobooki »
  2. Ebooki »
  3. Ekonomia, biznes
• Język wydania: polski
• ISBN: 978-83-7875-237-0
• ISBN druku: 978-83-7875-237-0
• Liczba stron: 294

Wprowadzenie	9
Rozdział 1
Podstawy statystyki małych obszarów 		17
1.1. Przedmiot statystyki małych obszarów 	17
1.2. Przykłady zastosowań statystyki małych obszarów	19
1.3. Podstawowe oznaczenia 	22
1.4. Podejście randomizacyjne 	24
1.5. Podejście modelowe 		30
1.6. Nieinformatywność planu losowania	36
1.7. Wybrane modele nadpopulacji	38
1.7.1. Ogólny model liniowy 		38
1.7.2. Ogólny mieszany model liniowy	39
1.7.3. Wybrane przypadki szczególne modeli liniowych	41
1.8. Wybrane metody szacowania parametrów modeli	45
1.8.1. Metoda największej wiarygodności	45
1.8.2. Metoda największej wiarygodności z ograniczeniami	47
1.8.3. Metoda quasi-wiarygodności	48
1.8.4. Iteracyjna ważona metoda najmniejszych kwadratów		49
1.9. Wybór i weryfikacja modelu nadpopulacji	50
1.9.1. Kryteria wyboru modelu 	51
1.9.2. Testy normalności rozkładu 	51
1.9.3. Klasyczne testy istotności efektów stałych		54
1.9.4. Klasyczne testy istotności komponentów wariancyjnych	55
1.9.5. Testy permutacyjne	56
1.10. Podsumowanie	59
Rozdział 2
Wybrane elementy podejścia modelowego – badania prowadzone w jednym okresie	61
2.1. Najlepszy liniowy nieobciążony predyktor Hendersona	61
2.2. Empiryczna wersja predyktora Hendersona	63
2.2.1. Ocena błędu średniokwadratowego – rozwinięcie w szereg Taylora	64
2.2.2. Ocena błędu średniokwadratowego – metoda jackknife	69
2.2.3. Ocena błędu średniokwadratowego i przedziały ufności – parametryczny bootstrap 	71
2.2.4. Ocena dokładności predykcji z wykorzystaniem kwantyli rozkładu modułów błędów predykcji – przypadek jednowymiarowy i wielowymiarowy 	74
2.3. Najlepszy liniowy nieobciążony predyktor Royalla 	75
2.4. Empiryczna wersja predyktora Royalla	77
2.4.1. Ocena błędu średniokwadratowego – wykorzystanie podejścia Hendersona 	78
2.4.2. Ocena błędu średniokwadratowego – rozwinięcie w szereg Taylora	80
2.4.3. Ocena błędu średniokwadratowego – metoda jackknife	82
2.4.4. Ocena błędu średniokwadratowego i przedziały ufności – parametryczny bootstrap		85
2.4.5. Ocena dokładności predykcji z wykorzystaniem kwantyli rozkładu modułów błędów predykcji – przypadek jednowymiarowy i wielowymiarowy 	89
2.5. Modele nieliniowe i predyktor Hendersona 	90
2.6. Modele nieliniowe i predyktor Royalla 	91
2.7. Predykcja kombinacji liniowej charakterystyk domen 	94
2.8. Wybrane przypadki szczególne najlepszych liniowych nieobciążonych predyktorów	99
2.9. Wybrane przypadki szczególne predyktorów empirycznych	102
2.9.1. Modele typu A – niezależne efekty losowe	103
2.9.2. Modele typu A – efekty losowe skorelowane przestrzennie	108
2.9.3. Modele typu B – niezależność efektów i składników losowych	113
2.9.4. Modele typu B – efekty losowe skorelowane przestrzennie	125
2.10. Badanie symulacyjne	129
2.10.1. Porównanie dokładności	131
2.10.2. Szacowanie błędu średniokwadratowego i innych charakterystyk pozwalających na ocenę dokładności predykcji	137
2.11. Podsumowanie	140
Rozdział 3
Wybrane elementy podejścia modelowego – badania wielookresowe	143
3.1. Badania wielookresowe	143
3.2. Wybrane metody statystyki małych obszarów w badaniach wielookresowych	147
3.2.1. Modele typu A	147
3.2.2. Modele typu B	150
3.3. Predykcja z wykorzystaniem modeli wielookresowych zakładanych dla profili	152
3.3.1. Model nadpopulacji	153
3.3.2. Predyktor	156
3.3.3. Ocena dokładności predykcji – rozwinięcie w szereg Taylora	159
3.3.4. Ocena dokładności predykcji – metoda jackknife i parametryczna metoda bootstrap	162
3.3.5. Predykcja dla przyszłych okresów	165
3.3.6. Predykcja kombinacji liniowej charakterystyk domen		166
3.4. Wybrane przypadki szczególne modeli wielookresowych zakładanych dla profili	171
3.4.1. Wielookresowy model regresyjny z zagnieżdżonym składnikiem losowym	171
3.4.2. Wielookresowy prosty model regresyjny z losowym parametrem	174
3.4.3. Wielookresowy model regresyjny z losowym parametrem kierunkowym	178
3.4.4. Modele z efektami losowymi skorelowanymi w domenach i skorelowanymi w czasie składnikami losowymi	181
3.4.5. Modele z efektami losowymi skorelowanymi w grupach domen i skorelowanymi w czasie składnikami losowymi	185
3.5. Badanie symulacyjne	187
3.5.1. Porównanie dokładności	190
3.5.2. Szacowanie błędu średniokwadratowego i innych statystyk pozwalających na ocenę dokładności predykcji	197
3.6. Podsumowanie	200
Rozdział 4
Wybrane elementy podejścia mieszanego	203
4.1. Estymatory kalibrowane i modelowo-kalibrowane wartości globalnej w populacji – badania prowadzone w jednym okresie	203
4.2. Estymatory kalibrowane wartości globalnej w domenie – badania prowadzone w jednym okresie	209
4.3. Estymatory modelowo-kalibrowane wartości globalnej w domenie – badania prowadzone w jednym okresie	214
4.4. Estymatory kalibrowane wartości globalnej w domenie – badania wielookresowe	215
4.5. Estymatory modelowo-kalibrowane wartości globalnej w domenie – badania wielookresowe	221
4.6. Pseudoempiryczne najlepsze liniowe nieobciążone predyktory wartości globalnej w domenie – badania prowadzone w jednym okresie	223
4.7. Pseudoempiryczne najlepsze liniowe nieobciążone predyktory wartości globalnej w domenie – badania wielookresowe	226
4.8. Badanie symulacyjne	231
4.8.1. Wyniki badania symulacyjnego	234
4.8.2. Analiza wybranych wyników	238
4.9. Podsumowanie	240
Rozdział 5
Inne klasy estymatorów i predyktorów	242
5.1. Estymacja i predykcja w przypadku losowej przynależności do domen	242
5.1.1. Model nadpopulacji	242
5.1.2. Najlepszy liniowy nieobciążony predyktor	244
5.1.3. Najlepszy dwuliniowy nieobciążony predyktor	245
5.1.4. Estymatory kalibrowane	247
5.1.5. Uogólnione predyktory liniowe	249
5.2. Szacowanie dowolnych charakterystyk domen – empiryczne najlepsze predyktory dla badań prowadzonych w jednym okresie	252
5.3. Szacowanie dowolnych charakterystyk domen – empiryczne najlepsze predyktory dla badań wielookresowych	258
5.4. Predykcja dowolnych charakterystyk domen dla przyszłych okresów	261
5.5. Badanie symulacyjne	262
5.6. Podsumowanie	273
Zakończenie	275
Bibliografia	279