文献

J-GLOBAL ID：201802249972876421   整理番号：18A1717189

時系列と断面データ法の組合せによるセミパラメトリック小面積推定【JST・京大機械翻訳】

Semi-parametric small-area estimation by combining time-series and cross-sectional data methods

著者 (2件)： Shokoohi Farhad (Department of Mathematics and Statistics, Concordia University, Montreal, QC, H3G 1M8, Canada) ,  Torabi Mahmoud (Departments of Community Health Sciences and Statistics, University of Manitoba, MB, R3E 0W3, Canada)
資料名： Australian & New Zealand Journal of Statistics  (Australian & New Zealand Journal of Statistics)
巻： 60  号： 3  ページ： 323-342  発行年： 2018年 
JST資料番号： D0878A  ISSN： 1369-1473  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 調査サンプリングにおいて,サブグループ(小面積と呼ばれる)への資源の配分,あるいは集団における特定の特性を持つサブグループの決定に関する政策決定は信頼できる推定に基づくべきである。しかしながら,情報はこれらのサブグループのものより異なるスケールでしばしば収集される。したがって,推定は,より細かいスケールデータに関して得ることができた。パラメトリック混合モデルは小面積推定に一般的に用いられる。しかし,予測子と応答の間の関係は,いくつかの実際の状況では線形ではない可能性がある。最近,モデルの固定部分に対する一般化線形混合モデル(GLMM)を用いた小面積推定が,正常および非正常の両方の断面応答を解析するために提案されている。しかし,小領域における応答が時間とともに連続的に依存する多くの状況がある。このような状況は,カナダのManitobaの異なる地域において,喘息に対する治療を求めている患者による医師への訪問の年間数に関するデータセットによって例示される。喘息患者(例えば年齢と遺伝的および環境因子)による医師の訪問を予測できる共変量が応答と線形関係を持たない場合には,そのようなデータセットを分析するための新しいモデルが必要である。本研究では,時系列および断面データ法を用いて,GLMM下の小面積推定のためのPスプライン回帰モデルを提案した。提案したモデルは正常および非正常応答の両方をカバーする。特に,小面積パラメータの経験的最良予測子とそれらの対応する予測間隔を,モデルパラメータを推定するために使用される最尤推定法を用いて研究した。提案した手法の性能を,いくつかのシミュレーションを用いて,また2つの実データセット(降水と喘息)を解析することによって評価した。Copyright 2018 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測 ,  回帰モデル ,  医師 ,  スプライン ,  *喘息 ,  線形性 ,  遺伝 ,  カナダ ,  降水 ,  患者 ,  最尤法
準シソーラス用語： 共変量 ,  環境因子 ,  予測子 ,  混合モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： データクローニング ,  指数族 ,  最尤推定 ,  ペナルティ付きスプライン ,  ランダム効果

分類 (2件)： 統計学  (AB08000H) ,  数値計算  (JE02000J)

タイトルに関連する用語 (4件)： 時系列 ,  組合せ ,  面積 ,  推定