文献

J-GLOBAL ID：201802255768494062   整理番号：18A1802129

Fay-Herriot小面積モデルの下でのEblupの望ましい平均二乗誤差推定のための一般的に調整された最尤法のクラス【JST・京大機械翻訳】

A class of general adjusted maximum likelihood methods for desirable mean squared error estimation of EBLUP under the Fay-Herriot small area model

著者 (1件)： Hirose Masayo Y. (Institute of Statistical Mathematics, 10-3 Midori-cho, Tachikawa, Tokyo, Japan)
資料名： Journal of Statistical Planning and Inference  (Journal of Statistical Planning and Inference)
巻： 199  ページ： 302-310  発行年： 2019年 
JST資料番号： B0907B  ISSN： 0378-3758  CODEN： JSPIDN  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 経験的最良線形不偏予測(EBLUP)推定器は,様々な研究分野,特に小面積推定のための効率的推論に利用されている。その不確実性を測定するために,一般的にその平均二乗予測誤差(MSE)を推定する必要がある。理想的には,EBLUPベースの方法は,EBLUPのMSEの二次不偏推定器を提供するだけでなく,EBLUPのモデル分散パラメータとMSEの両方の推定子において,厳密な正値性を維持する。幸いにも,YoshimoriとLahiri(2014)とHirose(2018)で提案されたMSE推定量は,同時に3つの望ましい特性を達成した。知る限り,他のMSE推定器はそうではない。そこで本論文では,MSE推定の3つの望ましい特性を同時に達成する,適切なクラスの一般的な調整最大尤度法を探索した。研究したクラスがそうであることを確立するために,モデル分散パラメータに対する一般的調整最大尤度法と二次非バイアスMSE推定器の一般汎関数形との間の関係を明らかにし,厳密な正値性を維持した。また,モンテカルロシミュレーション研究を通して,著者らの研究したクラスと他におけるいくつかのMSE推定器の性能を比較した。結果は,著者らの研究したクラスにおけるMSE推定量が他のものより良く機能することを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最尤法 ,  不確実性 ,  バイアス ,  不偏推定 ,  汎関数 ,  予測誤差 ,  パラメータ ,  推定量
準シソーラス用語： モンテカルロシミュレーション ,  正値性 ,  BLUP ,  *平均二乗誤差 , 【Automatic Indexing@JST】

著者キーワード (5件)： 調整最尤法 ,  経験的最良線形不偏予測 ,  Fay-Herriotモデル ,  線形混合モデル ,  平均二乗誤差

分類 (2件)： 信号理論  (ND02020G) ,  統計学  (AB08000H)

タイトルに関連する用語 (6件)： 面積 ,  モデル ,  平均二乗誤差 ,  推定 ,  最尤法 ,  クラス