A Spatial Fay-Herriot Model when the Auxiliary Variables are based on Non-traditional Data
非传统数据辅助变量下的空间 Fay–Herriot 模型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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究空间小区域估计，未明确面板结构、网络形成或干扰效应，与所列细分方向缺乏直接对应。
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…
非传统数据辅助变量下的空间 Fay–Herriot 模型
- 研究问题
- 研究小区域估计如何同时处理大数据辅助变量的测量误差与区域间空间相关，避免忽略测量误差导致估计偏差或不确定性失真。
- 方法与思路
- 作者在协变量测量误差 Fay–Herriot 框架中引入空间依赖，研究模型及参数估计性质，并用参数自助法估计经验最佳线性无偏预测量的均方误差。
- 材料陈述的贡献
- 摘要称，该模型联合处理测量误差和空间相关，并通过模拟及西班牙气候变化态度的区域估计应用展示其使用方式。
- 阅读关注点
- 应核对测量误差与空间相关的设定、邻接关系构造和参数可识别性，以及自助法是否涵盖辅助信息与模型估计带来的不确定性。
- 阅读边界
- 这是 arXiv 预印本，不能据此声称已同行评审或期刊接收；摘要未给出误差假设、模拟数值或应用精度，不能确认普遍改善。
原文摘要
Small area estimation methods combine direct survey estimates with model-based predictions to produce reliable estimates of population quantities. When covariates are measured with error, as often occurs when auxiliary information is coming from big data sources, standard area-level approaches such as the traditional Fay-Herriot model can perform poorly if this measurement error is ignored, potentially yielding biased estimates. Building on the extension proposed by Ybarra and Lohr to account for measurement error in covariates, we further develop this modelling framework by incorporating spatial dependence between areas. We propose a spatial measurement error Fay-Herriot model that jointly accounts for covariate measurement error and spatial correlation, enabling information borrowing across relevant neighbouring areas while properly adjusting for the additional uncertainty introduced by the covariates. We derive the properties of the proposed model and its parameter estimators and outline a parametric bootstrap procedure for estimating the mean squared error of the resulting empirical best linear unbiased predictor. A simulation study examines model performance under a range of measurement error scenarios. The proposed approach is then applied to European Social Survey data, supplemented with big data auxiliary information, to estimate regional attitudes towards climate change in Spain.