Small Area Estimation with Linked Data
基于链接数据的小区域估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要核心是链接误差下的小区域均值估计，使用 M 分位数模型不足以将其归为分位数与分布效应研究。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
基于链接数据的小区域估计
- 研究问题
- 调查与登记数据链接产生误配和非代表性异常值时，如何在链接信息有限的情况下可靠估计小区域均值？
- 方法与思路
- 作者从二次分析者视角构建线性混合模型和 M 分位数估计，处理两类异常值，并开展模型与设计模拟。
- 材料陈述的贡献
- 摘要提出小区域估计及均方误差估计方法，并用意大利调查和行政链接数据估计中部劳动市场区域的平均等价收入。
- 阅读关注点
- 阅读全文时应核对误配建模所需信息、两类异常值的处理区别、均方误差估计，以及模拟和收入应用的验证设计。
- 阅读边界
- 仅据所给 Crossref 摘要；链接机制、信息需求和误差改善数值未说明，不能推断方法适用于任意误配或后续版本变化。
原文摘要
Abstract Data linkage can be used to combine values of the variable of interest from a national survey with values of auxiliary variables obtained from another source, such as a population register, for use in small area estimation. However, linkage errors can induce bias when fitting regression models; moreover, they can create non-representative outliers in the linked data in addition to the presence of potential representative outliers. In this paper, we adopt a secondary analyst’s point of view, assuming that limited information is available on the linkage process, and develop small area estimators based on linear mixed models and M-quantile models to accommodate linked data containing a mix of both types of outliers. We illustrate the properties of these small area estimators, as well as estimators of their mean squared error, by means of model-based and design-based simulation experiments. We further illustrate the proposed methodology by applying it to linked data from the European Survey on Income and Living Conditions and the Italian integrated archive of economic and demographic micro data in order to obtain estimates of the average equivalised income for labour market areas in central Italy.