Robuste Schätzer für das Fay-Herriot-Modell

Vorschaubild nicht verfügbar
Autor:innen
Autor:in (Körperschaft)
Publikationsdatum
2019
Typ der Arbeit
Studiengang
Typ
06 - Präsentation
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Themenheft
DOI der Originalpublikation
Link
Reihe / Serie
Reihennummer
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
Patentnummer
Verlag / Herausgebende Institution
Verlagsort / Veranstaltungsort
Trier
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
Robuste Methoden für die Small-Area-Schätzung von Mittel- und Totalwerten sind seit einiger Zeit bekannt und werden erfolgreich in der Praxis eingesetzt. Eine Vielzahl von «robustifizierten» SAE-Schätzern ist aus ad-hoc-Überlegungen entstanden, was deren Tauglichkeit nicht schmälert. Für die Robustifizierung von Schätzern zum Fay-Herriot-Modell nehmen wir eine «theorie-nahe» Perspektive ein, was zu neuen Einsichten führt. Fay-Herriot (1979, J Amer Stat Assoc) haben das nach ihnen benannte Modell als Verallgemeinerung des James-Stein-Schätzers motiviert, wobei sie sich einen empirischen Bayes-Ansatz zunutze machten. Wir greifen diese Motivation des Problems auf und formulieren ein analoges robustes Bayes’sches Verfahren. Wählt man nun in der Bayes’schen Problemformulierung die ungünstigste Verteilung (eng. least favorable distribution) von Huber (1964, Ann Math Statist) als A-priori-Verteilung für die Lokationswerte der Small Areas, dann resultiert als Bayes-Schätzer [= Schätzer mit
Schlagwörter
Fachgebiet (DDC)
330 - Wirtschaft
Projekt
Veranstaltung
Statistische Woche 2019
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
10.09.2019
Enddatum der Konferenz
13.09.2019
Datum der letzten Prüfung
ISBN
ISSN
Sprache
Deutsch
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Publikationsstatus
Begutachtung
Peer-Review des Abstracts
Open Access-Status
Lizenz
Zitation
SCHOCH, Tobias, 2019. Robuste Schätzer für das Fay-Herriot-Modell. Statistische Woche 2019. Trier. 2019. Verfügbar unter: https://irf.fhnw.ch/handle/11654/42530