In:
Canadian Journal of Statistics, Wiley, Vol. 48, No. 4 ( 2020-12), p. 685-711
Abstract:
Les modèles de régression au niveau des unités sont fréquemment utilisés pour l'estimation sur des petits domaines afin d'obtenir le meilleur prédicteur linéaire sans biais d'une caractéristique du petit domaine. L'hypothèse sous‐jacente de ces modèles est toutefois irréaliste pour certaines applications. Des travaux précédents ont utilisé les copules pour l'estimation sur des petits domaines, par exemple en utilisant le tau de Kendall pour estimer la dépendance de deux unités du même domaine. Les auteurs proposent un cadre s'appuyant sur la vraisemblance pour estimer la dépendance intra‐classe de la copule multivariée échangeable pour la meilleure prévision empirique sans biais (MPESB) de la moyenne du petit domaine. La méthode proposée permet notamment d'accommoder des approches paramétriques et non paramétriques. Pour chacune des méthodes d'estimation, les auteurs proposent également une approche bootstrap conduisant à des estimateurs pratiquement sans biais de l'erreur quadratique moyenne de prévision de la MPESB de la moyenne des petits domaines. Les auteurs évaluent la performance de la méthode proposée par des études de simulation et l'illustrent par l'analyse de données réelles.
Type of Medium:
Online Resource
ISSN:
0319-5724
,
1708-945X
Language:
English
Publisher:
Wiley
Publication Date:
2020
detail.hit.zdb_id:
197355-1
detail.hit.zdb_id:
2007833-X
