FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2096040912> ?p ?o ?g. }

• W2096040912 endingPage "399" @default.
• W2096040912 startingPage "381" @default.
• W2096040912 abstract "Small area estimation has received considerable attention in recent years because of growing demand for small area statistics. Basic area-level and unit-level models have been studied in the literature to obtain empirical best linear unbiased prediction (EBLUP) estimators of small area means. Although this classical method is useful for estimating the small area means efficiently under normality assumptions, it can be highly influenced by the presence of outliers in the data. In this article, the authors investigate the robustness properties of the classical estimators and propose a resistant method for small area estimation, which is useful for downweighting any influential observations in the data when estimating the model parameters. To estimate the mean squared errors of the robust estimators of small area means, a parametric bootstrap method is adopted here, which is applicable to models with block diagonal covariance structures. Simulations are carried out to study the behaviour of the proposed robust estimators in the presence of outliers, and these estimators are also compared to the EBLUP estimators. Performance of the bootstrap mean squared error estimator is also investigated in the simulation study. The proposed robust method is also applied to some real data to estimate crop areas for counties in Iowa, using farm-interview data on crop areas and LANDSAT satellite data as auxiliary information. The Canadian Journal of Statistics 37: 381–399; 2009 © 2009 Statistical Society of Canada L'estimation de petits domaines a reç cu considérablement d'attention ces dernières années en raison de la demande croissante de statistiques régionales. Les modèles au niveau des domaines et des unités ont déjà été étudiés dans la littérature et les meilleurs estimateurs linéaires sans biais empiriques (EBLUP) pour les petits domaines ont été obtenus. Quoique cette méthode classique est utile pour estimer les moyennes régionales de faç con efficace sous l'hypothèse de normalité, ses résultats sont grandement influencés par la présente de données aberrantes. Dans cet article, les auteurs étudient les propriétés de robustesse des estimateurs classiques et ils proposent une méthode robuste pour l'estimation de petits domaines qui diminue le poids associé aux observations influentes lors de l'estimation des paramètres du modèle. Afin d'estimer l'erreur quadratique moyenne des estimateurs robustes des moyennes régionales, une méthode d'auto-amorç cage paramétrique est utilisée. Cette méthode peut être utilisée aux modèles dont la structure de covariance est bloc diagonale. Des simulations sont faites pour étudier le comportement des estimateurs robustes proposés en présence de valeurs aberrantes et aussi pour les comparer aux estimateurs EBLUP. La performance de l'estimateur “boostrap” de l'erreur quadratique moyenne est aussi étudiée dans cette étude de simulations. Cette méthode robuste est appliquée à l'estimation de la superficie des cultures pour les comtés de l'Iowa en se basant sur des entrevues au niveau des fermes et en utilisant les données provenant du satellite LANDSAT comme information auxiliaire. La revue canadienne de statistique 37: 381–399; 2009 © 2009 Société statistique du Canada" @default.
• W2096040912 created "2016-06-24" @default.
• W2096040912 creator A5031887682 @default.
• W2096040912 creator A5083163919 @default.
• W2096040912 date "2009-09-01" @default.
• W2096040912 modified "2023-10-01" @default.
• W2096040912 title "Robust small area estimation" @default.
• W2096040912 cites W1974172175 @default.
• W2096040912 cites W1980763893 @default.
• W2096040912 cites W1991386268 @default.
• W2096040912 cites W1996549107 @default.
• W2096040912 cites W2006428009 @default.
• W2096040912 cites W2007304004 @default.
• W2096040912 cites W2012979557 @default.
• W2096040912 cites W2026010771 @default.
• W2096040912 cites W2029653161 @default.
• W2096040912 cites W2037030821 @default.
• W2096040912 cites W2038020460 @default.
• W2096040912 cites W2046033161 @default.
• W2096040912 cites W2065742895 @default.
• W2096040912 cites W2070639381 @default.
• W2096040912 cites W2094648385 @default.
• W2096040912 cites W2097188985 @default.
• W2096040912 cites W2113196678 @default.
• W2096040912 cites W2170320860 @default.
• W2096040912 cites W2320636710 @default.
• W2096040912 cites W2327940542 @default.
• W2096040912 cites W4229671821 @default.
• W2096040912 doi "https://doi.org/10.1002/cjs.10029" @default.
• W2096040912 hasPublicationYear "2009" @default.
• W2096040912 type Work @default.
• W2096040912 sameAs 2096040912 @default.
• W2096040912 citedByCount "109" @default.
• W2096040912 countsByYear W20960409122012 @default.
• W2096040912 countsByYear W20960409122013 @default.
• W2096040912 countsByYear W20960409122014 @default.
• W2096040912 countsByYear W20960409122015 @default.
• W2096040912 countsByYear W20960409122016 @default.
• W2096040912 countsByYear W20960409122017 @default.
• W2096040912 countsByYear W20960409122018 @default.
• W2096040912 countsByYear W20960409122019 @default.
• W2096040912 countsByYear W20960409122020 @default.
• W2096040912 countsByYear W20960409122021 @default.
• W2096040912 countsByYear W20960409122022 @default.
• W2096040912 countsByYear W20960409122023 @default.
• W2096040912 crossrefType "journal-article" @default.
• W2096040912 hasAuthorship W2096040912A5031887682 @default.
• W2096040912 hasAuthorship W2096040912A5083163919 @default.
• W2096040912 hasConcept C105795698 @default.
• W2096040912 hasConcept C129963666 @default.
• W2096040912 hasConcept C139945424 @default.
• W2096040912 hasConcept C149782125 @default.
• W2096040912 hasConcept C162324750 @default.
• W2096040912 hasConcept C185429906 @default.
• W2096040912 hasConcept C187736073 @default.
• W2096040912 hasConcept C33923547 @default.
• W2096040912 hasConcept C41008148 @default.
• W2096040912 hasConcept C79337645 @default.
• W2096040912 hasConcept C96250715 @default.
• W2096040912 hasConceptScore W2096040912C105795698 @default.
• W2096040912 hasConceptScore W2096040912C129963666 @default.
• W2096040912 hasConceptScore W2096040912C139945424 @default.
• W2096040912 hasConceptScore W2096040912C149782125 @default.
• W2096040912 hasConceptScore W2096040912C162324750 @default.
• W2096040912 hasConceptScore W2096040912C185429906 @default.
• W2096040912 hasConceptScore W2096040912C187736073 @default.
• W2096040912 hasConceptScore W2096040912C33923547 @default.
• W2096040912 hasConceptScore W2096040912C41008148 @default.
• W2096040912 hasConceptScore W2096040912C79337645 @default.
• W2096040912 hasConceptScore W2096040912C96250715 @default.
• W2096040912 hasIssue "3" @default.
• W2096040912 hasLocation W20960409121 @default.
• W2096040912 hasOpenAccess W2096040912 @default.
• W2096040912 hasPrimaryLocation W20960409121 @default.
• W2096040912 hasRelatedWork W106751956 @default.
• W2096040912 hasRelatedWork W2065867141 @default.
• W2096040912 hasRelatedWork W2167006297 @default.
• W2096040912 hasRelatedWork W2746693607 @default.
• W2096040912 hasRelatedWork W309072737 @default.
• W2096040912 hasRelatedWork W3119259351 @default.
• W2096040912 hasRelatedWork W3124567442 @default.
• W2096040912 hasRelatedWork W4253558106 @default.
• W2096040912 hasRelatedWork W4287391265 @default.
• W2096040912 hasRelatedWork W3129266675 @default.
• W2096040912 hasVolume "37" @default.
• W2096040912 isParatext "false" @default.
• W2096040912 isRetracted "false" @default.
• W2096040912 magId "2096040912" @default.
• W2096040912 workType "article" @default.