A nested error regression model with high-dimensional parameter for small area estimation
用于小区域估计的高维参数嵌套误差回归模型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。
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：摘要直接讨论小区域估计与异质性嵌套误差模型，未说明纵向面板、分布效应或其他所列专门方向。
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
用于小区域估计的高维参数嵌套误差回归模型
- 研究问题
- 当小区域之间的回归系数和方差分量具有异质性时，如何借助多个区域的信息估计区域特有参数并量化不确定性？
- 方法与思路
- 作者提出高维参数嵌套误差模型和稳健的区域特定估计方程，通过区域间信息汇集估计参数，并采用参数自助法和刀切法。
- 材料陈述的贡献
- 摘要称方法允许回归系数及方差分量异质性，并估计均方误差、标准误和变异系数；另以两类模拟及真实数据评估。
- 阅读关注点
- 应核对跨区域信息汇集规则、稳健性的具体含义和高维参数条件，并比较模型型与设计型模拟检验的不同目标。
- 阅读边界
- 仅据所给 Crossref 摘要；未给出高维增长条件、稳健性保证或评估结果，不能由区域分组推断其属于面板模型。
原文摘要
Abstract In this paper, we propose a flexible nested error regression small area model with high-dimensional parameter that incorporates heterogeneity in regression coefficients and variance components. We develop a new robust small area-specific estimating equations method that allows appropriate pooling of a large number of areas in estimating small area-specific model parameters. We propose a parametric bootstrap and jackknife method to estimate not only the mean squared errors but also other commonly used uncertainty measures such as standard errors and coefficients of variation. We conduct both model-based and design-based simulation experiments and real-life data analysis to evaluate the proposed methodology.