Multilevel hierarchical Bayesian versus state space approach in time series small area estimation: the Dutch Travel Survey

2017 ◽  
Vol 180 (4) ◽  
pp. 1281-1308
Author(s):  
Oksana Bollineni-Balabay ◽  
Jan van den Brakel ◽  
Franz Palm ◽  
Harm Jan Boonstra
Keyword(s):  
Time Series ◽  
State Space ◽  
Small Area ◽  
Small Area Estimation ◽  
Hierarchical Bayesian ◽  
State Space Approach ◽  
Area Estimation ◽  
Travel Survey ◽  
Space Approach

Hierarchical Bayesian small area estimation for circular data

2016 ◽  
Vol 44 (4) ◽  
pp. 416-430 ◽  
Author(s):  
Daniel Hernandez-Stumpfhauser ◽  
F. Jay Breidt ◽  
Jean D. Opsomer
Keyword(s):  
Small Area ◽  
Small Area Estimation ◽  
Circular Data ◽  
Hierarchical Bayesian ◽  
Area Estimation

scholarly journals PENDUGAAN ANGKA KEMISKINAN DI KABUPATEN PADANG PARIAMAN MENGGUNAKAN SMALL AREA ESTIMATION DENGAN PENDEKATAN HIERARCHICAL BAYESIAN (HB) LOGLOGISTIK

2019 ◽  
Vol 8 (2) ◽  
pp. 76
Author(s):  
Jusri Repi Basri Yuliani ◽  
Maiyastri Maiyastri ◽  
Rita Diana
Keyword(s):  
Monte Carlo ◽  
Markov Chain ◽  
Markov Chain Monte Carlo ◽  
Gibbs Sampling ◽  
Standard Error ◽  
Small Area ◽  
Small Area Estimation ◽  
Hierarchical Bayesian ◽  
Area Estimation ◽  
Level Model

Penelitian ini mengkaji tentang pendekatan Hierarchical Bayesian (HB) Loglogistik yang diaplikasikan pada Small Area Estimation (SAE) dengan tujuan mengestimasi tingkat kemiskinan di Kabupaten Padang Pariaman. Metode pendugaan area kecil yang digunakan pada penelitian ini adalah model level area dasar (basic area level model ) dengan bantuan variabel penyerta yang tersedia pada level kecamatan. Variabel penyerta yang digunakan pada penelitian ini yaitu rasio SLTA/Sederajat (X1), persentase keluarga pertanian (X2), rasio industri mikro kecil (X3), persentase buruh tani dalam setiap anggota keluarga (X4), kepadatan penduduk (X5), dan persentase penduduk pelanggan listrik PLN (X6). Bentuk integrasi yang kompleks dari sebaran peluang bersyarat pada model diselesaikan menggunakan Markov Chain Monte Carlo (MCMC) dengan menerapkan algortima Gibbs Sampling dan bantuan software WinBugs 1.4.3. Hasil estimasi menggunkan model HB yang diperoleh dibandingkan dengan hasil estimasi pendugaan langsung dengan memperhatikan nilai standard error sebagai tolok ukurnya. Hasil pendugaan tingkat kemiskinan untuk level kecamatan di Kabupaten Padang Pariaman dengan model HB menunjukkan nilai standard error yang kecil.Kata Kunci: Tingkat kemiskinan, Small Area Estimation, Hierarchical Bayesian

Single- and two-stage cross-sectional and time series benchmarking procedures for small area estimation

Test ◽  
2014 ◽  
Vol 23 (4) ◽  
pp. 631-666 ◽  
Author(s):  
Danny Pfeffermann ◽  
Anna Sikov ◽  
Richard Tiller
Keyword(s):  
Time Series ◽  
Small Area ◽  
Small Area Estimation ◽  
Two Stage ◽  
Cross Sectional ◽  
Area Estimation
Sign in / Sign up

Export Citation Format

Share Document