Empirical best prediction of poverty indicators via nested error regression with high dimensional parameters
高维参数嵌套误差回归的小区域贫困指标经验最优预测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：摘要聚焦小区域贫困指标预测与嵌套误差回归方法，未涉及所给领域细分中的因果推断、面板、离散选择、时间序列或金融方向，故不选择。
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…
高维参数嵌套误差回归的小区域贫困指标经验最优预测
- 研究问题
- 摘要称，研究如何在小区域贫困估计中处理回归系数与抽样方差跨区域异质性，并扩展高维参数嵌套误差回归模型（NERHDP）以得到贫困指标的经验最优预测。
- 方法与思路
- 作者提出一个稳健灵活的框架推导小区域贫困指标的经验最优预测，引入高效估计程序以降低计算量并提升大规模数据的可扩展性，并给出样本外区域贫困估计的新方法，用参数自助法量化不确定性。
- 材料陈述的贡献
- 摘要称，所提方法在异质数据生成情形下相对偏差与相对均方预测误差低于既有方法；并用2002年阿尔巴尼亚生活水平测量调查与2001年人口普查辅助信息估计374个市镇的贫困指标。
- 阅读关注点
- 应核对模型的具体识别与假设、高效算法的实现细节与复杂度、样本外区域合成估计的构造方式、参数自助法的有效性条件，以及模拟设计与阿尔巴尼亚应用的可复现性。
- 阅读边界
- 仅凭摘要无法判断假设是否成立、算法实际加速幅度、模拟结论的稳健性及实证估计的准确性；该文为arXiv预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
The Nested Error Regression Model with High-Dimensional Parameters (NERHDP) is extended to address challenges in small area poverty estimation. A robust and flexible framework is proposed to derive empirical best predictors (EBPs) of small area poverty indicators while accommodating heterogeneity in regression coefficients and sampling variances across areas. To mitigate the computational limitations of the existing algorithm, an efficient estimation procedure is introduced, substantially reducing computation time and enhancing scalability for large datasets. A novel approach for generating area-specific poverty estimates in out-of-sample areas is also developed, improving the reliability of synthetic estimates. Uncertainty is quantified through a parametric bootstrap method specifically tailored to the extended model. Under heterogeneous data-generating scenarios, the proposed method yields lower relative bias and relative root mean squared prediction error than existing approaches. The methodology is further illustrated using data from the 2002 Albania Living Standards Measurement Survey, combined with auxiliary information from the 2001 census, to estimate poverty indicators for 374 municipalities.