- Estimasi Area Kecil menggunakan EBLUP berdasarkan Model Regresi Kesalahan Bersarang<(arXiv)ยป
Penulis : Ziyang Lyu, A. H. Welsh
Abstrak : Memperkirakan karakteristik domain (disebut sebagai wilayah kecil) dalam suatu populasi dari survei sampel populasi merupakan masalah penting dalam statistik survei. Dalam makalah ini, kami mempertimbangkan estimasi area kecil berbasis model dengan model regresi kesalahan bersarang. Kami membahas konstruksi penduga model campuran (prediktor tak bias linier terbaik empiris, EBLUP) dari rata-rata area kecil dan prediktor linier bersyarat dari rata-rata area kecil. Di bawah kerangka asimtotik peningkatan jumlah area kecil dan peningkatan jumlah unit di setiap area, kami menetapkan hasil linearitas asimtotik dan teorema batas pusat untuk penduga ini yang memungkinkan kami untuk menetapkan kesetaraan asimtotik antara penduga, memperkirakan distribusi pengambilan sampelnya, memperoleh ekspresi sederhana untuk dan membuat penduga sederhana dari kesalahan kuadrat rata-rata asimtotiknya, dan membenarkan interval prediksi asimtotik. Kami menyajikan simulasi berbasis model yang menunjukkan bahwa dalam sampel yang cukup kecil dan terbatas, penaksir kesalahan kuadrat rata-rata kami memiliki kinerja yang sama atau lebih baik daripada penaksir \cite{prasad1990estimation} yang banyak digunakan dan jauh lebih sederhana, sehingga lebih mudah untuk diinterpretasikan. Kami juga melakukan simulasi berbasis desain menggunakan data nyata pengeluaran konsumen pada produk susu segar untuk mengeksplorasi properti berbasis desain dari penduga model campuran. Kami menjelaskan dan menafsirkan beberapa hasil simulasi yang mengejutkan melalui analisis populasi dan simulasi berbasis desain lebih lanjut. Simulasi menyoroti perbedaan penting antara properti berbasis model dan desain dari penduga model campuran dalam estimasi area kecil.
2.Model Regresi Koefisien Cluster Tertimbang dalam Pengambilan Sampel Survei(arXiv)
Penulis :"Mingjun Gang", "Xin Wang", "Zhonglei Wang", "Wei Zhong"
Abstrak :Model regresi dipelajari dalam data survei dan banyak digunakan untuk membangun estimator berbasis model. Seringkali, hubungan tersebut berbeda-beda antar subjek atau domain yang berbeda. Mengidentifikasi struktur model yang benar dengan mempertimbangkan bobot pengambilan sampel sangat penting dalam membuat kesimpulan dan memperkirakan parameter populasi. Dalam karya ini, kami mengusulkan model regresi koefisien cluster tertimbang untuk mengelompokkan efek kovariat pada data survei. Metode baru ini menggunakan fungsi kerugian tertimbang dan penalti berpasangan pada semua pasangan observasi. Suatu algoritma berdasarkan metode arah bolak-balik dari algoritma pengali dikembangkan untuk mendapatkan estimasi. Kami juga mempelajari sifat teoretis dari estimator dalam pengaturan pengambilan sampel survei. Dalam studi simulasi, kinerja empiris dari estimator yang diusulkan dibandingkan dengan metode tanpa bobot sampling, yang menunjukkan bahwa bobot sampling penting dalam mengidentifikasi cluster dalam model regresi.
3.Model Regresi Logistik Laten dengan Data Grafik(arXiv)
Penulis :"Haixiang Zhang", "Yingjun Deng", "Alan J. X. Guo", "Qing-Hu Hou", "Ou Wu"
Abstrak :Baru-baru ini, data grafik (jaringan) merupakan bidang penelitian yang sedang berkembang dalam kecerdasan buatan, pembelajaran mesin, dan statistik. Dalam karya ini, kami tertarik pada apakah label node (respon orang) dipengaruhi oleh fitur tetangganya (karakteristik teman). Kami mengusulkan model regresi logistik laten baru untuk menggambarkan ketergantungan jaringan dengan respons biner. Keuntungan utama dari model yang kami usulkan adalah bahwa indikator biner laten diperkenalkan untuk menunjukkan apakah suatu node rentan terhadap pengaruh tetangganya. Tes tipe skor diusulkan untuk mendiagnosis keberadaan ketergantungan jaringan. Selain itu, algoritma tipe EM digunakan untuk memperkirakan parameter model dalam ketergantungan jaringan. Simulasi ekstensif dilakukan untuk mengevaluasi kinerja metode kami. Dua kumpulan data publik digunakan untuk menggambarkan efektivitas model regresi logistik laten yang diusulkan
