On Prediction of the Domain Total Under Some Special Case of Type a General Linear Mixed Model

Abstract

W pracy zaprezentowano najlepsze liniowe nieobciążone predyktory i empiryczne najlepsze liniowe nieobciążone predyktory ich błędy średniokwadratowe (MSE) oraz estymatory MSE dla przypadku szczególnego modelu Faya-Herriota (Fay, Herriot (1979)). Model ten należy do klasy ogólnych mieszanych modeli liniowych typu A, co oznacza, że jest on zakładany dla wartości estymatorów bezpośrednich charakterystyk w domenach. Ponadto przyjmuje się, że wartości wariancji estymatorów bezpośrednich są znane. W artykule analizowano symulacyjnie z wykorzystaniem rzeczywistych danych wpływ zastąpienia nieznanych wariancji estymatorów bezpośrednich ich nieobciążonymi estymatorami i estymatorami otrzymanymi przy wykorzystaniu ogólnych funkcji wariancji na obciążenia predyktorów, wartość MSE oraz obciążenia estymatorów MSE.

In the paper we present the best linear unbiased predictor (BLUP) and the empirical best linear unbiased predictor (EBLUP), their mean squared errors (MSE) and estimators of MSE of EBLUP under special case of Fay-Herriot model (Fay, Herriot (1979)). This is A type model what means that it is assumed for direct estimators of domain characteristics. What is more, it is assumed (even when EBLUP is studied) that variances o f direct estimators are known. In the simulation based on real data, the influence of replacing the variances by their design-unbiased estimates or General Variance Function (GVF) estimates (Wolter (1985)) on predictor’s biases and MSEs and on biases of MSE estimators is studied. The problem of non-normality of domain specific random components is also included.