Canadian Journal of Statistics

Checking validity of monotone domain mean estimators

Journal Article

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

Related Topics

Related Publications

Related Content

Site Footer

Address:

This website is provided by John Wiley & Sons Limited, The Atrium, Southern Gate, Chichester, West Sussex PO19 8SQ (Company No: 00641132, VAT No: 376766987)

Published features on StatisticsViews.com are checked for statistical accuracy by a panel from the European Network for Business and Industrial Statistics (ENBIS)   to whom Wiley and StatisticsViews.com express their gratitude. This panel are: Ron Kenett, David Steinberg, Shirley Coleman, Irena Ograjenšek, Fabrizio Ruggeri, Rainer Göb, Philippe Castagliola, Xavier Tort-Martorell, Bart De Ketelaere, Antonio Pievatolo, Martina Vandebroek, Lance Mitchell, Gilbert Saporta, Helmut Waldl and Stelios Psarakis.