Canadian Journal of Statistics
Checking validity of monotone domain mean estimators
Journal Article
- Author(s): Cristian Oliva‐Aviles, Mary C. Meyer, Jean D. Opsomer
- Article first published online: 10 Apr 2019
- DOI: 10.1002/cjs.11496
- Read on Online Library
- Subscribe to Journal
Résumé Les estimés de caractéristiques d'une population tels que les moyennes de domaines doivent souvent respecter une hypothèse de monotonicité. Une méthode adaptative combinant des domaines voisins récemment proposée garantit que les estimés des moyennes de domaines suivent des contraintes de monotonicité. Cette méthode permet une estimation et une inférence asymptotiquement valides et conduit à une amélioration substantielle de l'efficacité par rapport aux estimateurs de domaines sans contraintes. Des hypothèses incorrectes sur la forme des contraintes peut toutefois mener à des estimateurs biaisés. Les auteurs développent le critère d'information du cone (CIC) pour les données d'enquête en tant que méthode diagnostique mesurant les écarts de monotonicité sur les moyennes des domaines de populations. Ils montrent que ce critère conduit à une méthodologie convergente dont la décision de choisir entre un estimateur des moyennes des domaines de population contraint ou non est asymptotiquement correcte. La revue canadienne de statistique 47: 315–331; 2019 © 2019 Société statistique du Canada
Connect: