A Quasi-Empirical Bayes Method for Small Area Estimation
小区域估计的拟经验贝叶斯方法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：摘要研究一般小区域估计与层级矩模型，未直接涉及所列经济计量细分方向。
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…
关注这篇论文的作者
小区域估计的拟经验贝叶斯方法
- 研究问题
- 仅指定层级数据生成过程的条件均值与方差时，如何对小区域的随机均值进行推断，而无需完整分布设定？
- 方法与思路
- 作者结合拟似然构造随机均值的拟后验，先估计边际参数再代入该拟后验，从而得到拟经验贝叶斯估计。
- 材料陈述的贡献
- 摘要提出基于前两阶矩的拟经验贝叶斯方法，并用于估计华盛顿州部分县的癌症化疗使用率。
- 阅读关注点
- 应核对条件独立和矩函数设定、拟后验的构造与解释，以及边际参数代入后的不确定性如何处理。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；摘要未说明区间校准、渐近性质或应用数值，不能把拟后验直接等同于完整概率模型后验或推断刊本变化。
原文摘要
This article develops an empirical Bayes-type approach for small area estimation based only on the specification of a set of conditionally independent hierarchical mean and variance functions describing the first two moments of the process generating the data. The objective of the analysis is to draw inference about the intermediate or the random means. We combine the quasi-likelihood functions to construct the quasi-posterior density of the random means conditional on the data and the marginal parameters. We describe a method for estimating the marginal parameters that are then substituted in the quasi-posterior density of the random means. The empirical quasi-posterior density so derived is used to obtain the quasi-empirical Bayes estimates of the random parameters. We apply the methodology to estimate the utilization rates of cancer chemotherapy for the selected counties in the state of Washington.