An Influence of Classification Method on Efficiency of Modified Synthetic Estimator

Abstract

The problem of insufficient number of sample observations representing a given population domain of interest (small area) can be solved by applying such estimators, which will be able to combine sample information from the given domain with information about sample units representing other domains. One small area estimation method, called synthetic estimation technique, assumes that the distribution of the variable of interest is identical in the given domain and in the entire population. This assumption, however, is rarely met, and as a result one obtains large estimation errors. In this paper a two-stage estimation procedure is suggested. The first stage consist in applying various classification methods to identify the degree of similarity between the sample units from the investigated domain and sample units representing other domains. In the second stage, those domains, which turned out to be similar to the domain of interest or sample units similar to units from domain of interest, are used to provide sample information with specially constructed weights. Authors present the results of the suggested procedure in an analysis of the continuing vocational training in construction industry based on a sample survey of enterprises. A bootstrap attempt has been made to assess errors of the suggested estimation procedure.

Problem zbyt małej liczby obserwacji w próbie, reprezentującej określoną domenę populacji, może być rozwiązany m. in. poprzez estymatory wykorzystujące informacje o innych jednostkach w próbie. Jedna z metod estymacji dla małych domen, zwana estymacją syntetyczną, zakłada, że rozkład w badanej małej domenie jest identyczny z rozkładem całej populacji. Założenie to pozostaje zazwyczaj niespełnione, zwłaszcza w przypadku specyficznych domen, co skutkuje dużymi błędami estymacji. Problem niespełnienia założeń estymacji syntetycznej może być rozwiązany poprzez zastosowanie dwuetapowego procesu estymacji. W pierwszym etapie za pomocą metod analizy wielowymiarowej, np. za pomocą metody klasyfikacji k-średnich, badania odległości czy też wykorzystując sieci neuronowe typu SOM, określa się podobieństwa domen lub jednostek należących do małej domeny do jednostek z pozostałej części próby. Drugim krokiem jest wykorzystanie w estymacji, za pomocą odpowiednio skonstruowanych wag, informacji tylko o tych jednostkach lub z tych domen, które są podobne do badanej małej domeny. W artykule autorzy przedstawiają rezultaty zastosowanej metody na przykładzie badania reprezentacyjnego kształcenia ustawicznego w branży budowlanej. Za pomocą metod bootsrtrapowych dokonano oceny wpływu stosowania różnych metod badania podobieństw między jednostkami na własności modyfikowanego estymatora syntetycznego.