Spatial prediction in small area estimation
- Small area estimation methods have become a widely used tool to provide accurate estimates for regional indicators such as poverty measures. Recent research has provided evidence that spatial modelling still can improve the precision of regional and local estimates. In this paper, we provide an intrinsic spatial autocorrelation model and prove the propriety of the posterior under a flat prior. Further, we show using the SAIPE poverty data that the gain in efficiency using a spatial model can be essentially important in the presence of a lack of strong auxiliary variables.
Volltext Dateien herunterladen
Weitere Dienste
| Verfasserangaben: | Martin VogtORCiD, Partha LahiriORCiD, Ralf MünnichORCiD |
|---|---|
| URN: | urn:nbn:de:hbz:tr5-10094 |
| DOI: | https://doi.org/10.59170/stattrans-2023-037 |
| Titel des übergeordneten Werkes (Englisch): | Statistics in Transition new series |
| Verlag: | Statistics Poland |
| Dokumentart: | Wissenschaftlicher Artikel (Fachzeitschriften) |
| Sprache: | Englisch |
| Datum des OPUS-Uploads: | 12.09.2024 |
| Datum der Erstveröffentlichung: | 13.06.2023 |
| Veröffentlichende Hochschule: | Hochschule Trier |
| Datum der Freischaltung: | 12.09.2024 |
| Freies Schlagwort / Tag: | CAR; Fay-Herriot; poverty estimation; spatial models |
| GND-Schlagwort: | Armut; Messung; Modellierung |
| Jahrgang: | 24 |
| Ausgabe / Heft: | 3 |
| Erste Seite: | 77 |
| Letzte Seite: | 94 |
| Einrichtungen: | FB Wirtschaft |
| DDC-Klassifikation: | 3 Sozialwissenschaften / 33 Wirtschaft |
| Lizenz (Deutsch): |  Creative Commons - CC BY-SA - Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International |
