Simultaneous Inference for Empirical Best Predictors With a Poverty Study in Small Areas
经验最佳预测量的同时推断及小区域贫困研究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：摘要研究混合模型的小区域预测与联合推断，贫困率应用不足以归入宏观预测或分布效应方向。
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…
经验最佳预测量的同时推断及小区域贫困研究
- 研究问题
- 在广义线性混合模型中，如何对多个群组的经验最佳预测量开展联合区间估计与多重比较，避免逐个推断忽略同时性？
- 方法与思路
- 作者构造同时置信区间和多重检验程序，并分别在单位层二项、区域层泊松–伽马及泊松–对数正态混合模型中实现。
- 材料陈述的贡献
- 摘要称提供渐近理论与大量模拟，并通过小区域贫困率预测研究展示同时推断工具的应用及优势，但未报告具体结果。
- 阅读关注点
- 应核对联合推断的目标、同时覆盖和多重检验的控制标准，以及群组数增长、随机效应估计和模型设定所需条件。
- 阅读边界
- 仅依据 OpenAlex 索引摘要，稿件版本未注明；同时推断的具体校准机制、贫困数据及数值表现未说明，也不能推断后续刊本变化。
原文摘要
Today, generalized linear mixed models (GLMM) are broadly used in many fields. However, the development of tools for performing simultaneous inference has been largely neglected in this domain. A framework for joint inference is indispensable to carry out statistically valid multiple comparisons of parameters of interest between all or several clusters. We therefore develop simultaneous confidence intervals and multiple testing procedures for empirical best predictors under GLMM. In addition, we implement our methodology to study widely employed examples of mixed models, that is, the unit-level binomial, the area-level Poisson-gamma and the area-level Poisson-lognormal mixed models. The asymptotic results are accompanied by extensive simulations. A case study on predicting poverty rates illustrates applicability and advantages of our simultaneous inference tools.