응용통계연구 (The Korean Journal of Applied Statistics)

  • 제27권4호
  • /
  • Pages.605-617
  • /
  • 2014
  • /
  • 1225-066X(pISSN)
  • /
  • 2383-5818(eISSN)
한국통계학회 (The Korean Statistical Society)
권호 표지
DOI QR코드

DOI QR Code

준모수혼합모형을 이용한 축소소지역추정

Shrinkage Small Area Estimation Using a Semiparametric Mixed Model

  • 정석오 (한국외국어대학교 통계학과) ;
  • 추만호 (한국외국어대학교 통계학과) ;
  • 신기일 (한국외국어대학교 통계학과)
  • Jeong, Seok-Oh (Department of statistics, Hankuk University of Foreign Studies) ;
  • Choo, Manho (Department of statistics, Hankuk University of Foreign Studies) ;
  • Shin, Key-Il (Department of statistics, Hankuk University of Foreign Studies)
  • 투고 : 2014.03.20
  • 심사 : 2014.06.18
  • 발행 : 2014.08.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

소지역추정은 작은 규모의 지역 또는 도메인에 작은 크기의 표본이 배정되어 추정의 정도가 좋지 않은 경우에 이를 극복하는 통계적 기법이다. 소지역추정에 흔히 사용되고 있는 모형기반 추정량은 MSE를 기초로 얻어지나 최근 상대오차를 이용한 소지역추정법도 연구되고 있다. 본 논문에서는 상대오차를 최소로 하는 소지역 추정량의 준모수적 접근법에 관하여 연구하였다. 즉 준모수혼합모형을 이용한 축소소지역추정량을 새롭게 제안하였다. 또한 Lee(1995)에서 제안된 모의실험 자료를 이용한 모의실험과 매월노동통계 자료를 이용한 사례연구를 통하여 기존의 추정량과 제안된 추정량의 우수성을 비교하였다.

Small area estimation is a statistical inference method to overcome large variance due to a small sample size allocated in a small area. A shrinkage estimator obtained by minimizing relative error(RE) instead of MSE has been suggested. The estimator takes advantage of good interpretation when the data range is large. A semiparametric estimator is also studied for small area estimation. In this study, we suggest a semiparametric shrinkage small area estimator and compare small area estimators using labor statistics.

키워드

참고문헌

  1. Hwang, H.-J. and Shin, K.-I. (2008). Shrinkage prediction for small area estimation, The Korean Journal of Applied Statistics, 21, 109-123. https://doi.org/10.5351/KJAS.2008.21.1.109
  2. Jeong, S.-O. and Shin, K.-I. (2008). A new nonparametric method for prediction based on mean squared relative error, Communications of the Korean Statistical Society, 15, 255-264. https://doi.org/10.5351/CKSS.2008.15.2.255
  3. Jeong, S.-O. and Shin, K.-I. (2013). Semiparametric and nonparametric mixed effects models for small area estimation, The Korean Journal of Applied Statistics, 26, 71-79. https://doi.org/10.5351/KJAS.2013.26.1.071
  4. Jones M. C., Park, H., Shin, K.-I., Vines, S. K. and Jeong, S.-O. (2008). Relative error prediction via kernel regression smoother, Journal of Statistical Planning and Inference, 138, 2887-2898. https://doi.org/10.1016/j.jspi.2007.11.001
  5. Lee, H., Rancourt, E. and Sarndal, C.-E. (1995). Experiment with variance estimation from survey data with imputed value, Journal of Official Statistics, 10, 231-243.
  6. Opsomer, J. D., Claeskens, G., Ranalli, M. G., Kauermann, G. and Breidt, F. J. (2008). Non-parametric small area estimation using penalized spline regression, Journal of Royal Statistical Society B, 70, 265-286. https://doi.org/10.1111/j.1467-9868.2007.00635.x
  7. Park, H. and Stefanski, L. A. (1997). Relative error prediction, Statistics and Probability Letters, 40, 227-236.
  8. Rao, J. N. K. (2003). Small Area Estimation, John Wiley and sons, New York.
  9. Ruppert, D., Wand, M. P. and Carroll, R. J.(2003). Semiparametric Regression, Cambridge.
  10. Salvati, N., Chandra, H., Ranalli, M. G. and Chambers, R. (2010). Small area estimation using a nonparametric model-based direct estimator, Computational Statistics and Data Analysis, 54, 2159-2171. https://doi.org/10.1016/j.csda.2010.03.023