scholarly journals Nonparametric Small Area Estimation Using Penalized Spline Regression

2005 ◽  
Author(s):  
J. D. Opsomer ◽  
Gerda Claeskens ◽  
M. Giovanna Ranalli ◽  
Göran Kauermann ◽  
F. J. Breidt
Keyword(s):  
Small Area ◽  
Small Area Estimation ◽  
Spline Regression ◽  
Area Estimation ◽  
Penalized Spline ◽  
Penalized Spline Regression

scholarly journals Pemetaan Kemiskinan di Kabupaten Mukomuko Menggunakan Small Area Estimation Dengan Pendekatan Regresi Penalized Spline

2017 ◽  
Vol 12 (2) ◽  
pp. 125
Author(s):  
Idhia Sriliana ◽  
Dian Agustina ◽  
Etis Sunandi
Keyword(s):  
Small Area ◽  
Small Area Estimation ◽  
Area Estimation ◽  
Penalized Spline

Penelitian ini bertujuan untuk melakukan pemetaan kemiskinan di Kabupaten Mukomuko ProvinsiBengkulu. Metode yang digunakan dalam penelitian ini adalah Small Area Estimation (SAE) denganpendekatan regresi Penalized Spline (P-Spline). Pendugaan parametr model dasar SAE umumnyamembangun suatu model linier campuran yang mengasumsikan bahwa variabel respon dan variabelprediktor mempunyai hubungan linear. Ketika asumsi tersebut tidak terpenuhi, maka dilakukanpendekatan nonparametrik sebagai alternatif pilihan. Salah satunya adalah pendekatan nonparametrikP-Spline. Pada penelitian ini, dilakukan pendugaan parameter model menggunakan P-Spline sehinggadiperoleh suatu persamaan regresi efek campuran sebagai model SAE. Selanjutnya model tersebutdigunakan untuk menduga tingkat kemiskinan pada area yang tersampling., sehingga diperoleh pendugatingkat kemiskinan pada level desa di Kabupaten Mukomuko yang disajikan dalam bentuk petakemiskinan. Hasil penelitian menunjukkan pendugaan menggunakan model SAE dengan P-Splinememiliki trend (kecenderungan) yang sama dengan penduga langsung. Kecamatan yang memiliki tingkatkemiskinan tinggi menyebar di bagian Timur Laut dan Tenggara dari Kabupaten Mukomuko, yaituKecamatan Selagan Raya, Teramang Jaya, Pondok Suguh, dan Air Rami masing-masing memiliki rata-rata kemiskinan yang tinggi. Sedangkan kecamatan dengan tingkat kemiskinan rendah adalahKecamatan Lubuk Pinang.

scholarly journals Pemetaan Kemiskinan di Kabupaten Mukomuko Menggunakan Small Area Estimation Dengan Pendekatan Regresi Penalized Spline

2017 ◽  
Vol 12 (2) ◽  
pp. 125
Author(s):  
Idhia Sriliana ◽  
Dian Agustina ◽  
Etis Sunandi
Keyword(s):  
Small Area ◽  
Small Area Estimation ◽  
Area Estimation ◽  
Penalized Spline

Penelitian ini bertujuan untuk melakukan pemetaan kemiskinan di Kabupaten Mukomuko ProvinsiBengkulu. Metode yang digunakan dalam penelitian ini adalah Small Area Estimation (SAE) denganpendekatan regresi Penalized Spline (P-Spline). Pendugaan parametr model dasar SAE umumnyamembangun suatu model linier campuran yang mengasumsikan bahwa variabel respon dan variabelprediktor mempunyai hubungan linear. Ketika asumsi tersebut tidak terpenuhi, maka dilakukanpendekatan nonparametrik sebagai alternatif pilihan. Salah satunya adalah pendekatan nonparametrikP-Spline. Pada penelitian ini, dilakukan pendugaan parameter model menggunakan P-Spline sehinggadiperoleh suatu persamaan regresi efek campuran sebagai model SAE. Selanjutnya model tersebutdigunakan untuk menduga tingkat kemiskinan pada area yang tersampling., sehingga diperoleh pendugatingkat kemiskinan pada level desa di Kabupaten Mukomuko yang disajikan dalam bentuk petakemiskinan. Hasil penelitian menunjukkan pendugaan menggunakan model SAE dengan P-Splinememiliki trend (kecenderungan) yang sama dengan penduga langsung. Kecamatan yang memiliki tingkatkemiskinan tinggi menyebar di bagian Timur Laut dan Tenggara dari Kabupaten Mukomuko, yaituKecamatan Selagan Raya, Teramang Jaya, Pondok Suguh, dan Air Rami masing-masing memiliki rata-rata kemiskinan yang tinggi. Sedangkan kecamatan dengan tingkat kemiskinan rendah adalahKecamatan Lubuk Pinang.

scholarly journals The Poverty Modeling Using Small Area Estimation with Semiparametric P-Spline (A case study: Poverty in Bengkulu Province)

2018 ◽  
Vol 6 (4) ◽  
Author(s):  
Idhia Sriliana ◽  
Etis Sunandi ◽  
Ulfasari Rafflesia
Keyword(s):  
Small Area ◽  
Small Area Estimation ◽  
Accurate Information ◽  
Model Parameters ◽  
Mixed Effect ◽  
Area Estimation ◽  
Capita Expenditure ◽  
Nonparametric Approach ◽  
Penalized Spline ◽  
Semiparametric Approach

The main objective of this research is to model poverty in Bengkulu Province using small area estimation (SAE) with semiparametric penalized spline (P-Spline). Small area estimation is a statistical method that is often used to obtain an accurate information about poverty. When the linearity assumption on the basic SAE model is violated, a nonparametric approach is used as an alternative. One is the semiparametric  penalized spline. The small area  method with semiparametric approach has a more flexible model because it accommodates the relationship between response with linear and nonlinear predictors. In this study, poverty modeling in Bengkulu Province was based on average per capita expenditure through the estimation of SAE model parameters using semiparametric P-Spline to obtain a mixed-effect model regression equation as a poverty model. Based on the analysis result, the poverty model in Bengkulu Province is P-Spline linear model with one knot. This model has a GCV value of 148928361265.95. Poverty mapping in Bengkulu Province based on sample villages indicates the estimation of poverty using SAE model with P-Spline having the same trend with the direct estimator.

scholarly journals PENDUGAAN PERSENTASE PENDUDUK MISKIN DI PROVINSI SUMATERA BARAT MENGGUNAKAN SMALL AREA ESTIMATION DENGAN PENDEKATAN SEMIPARAMETRIK PENALIZED SPLINE

2019 ◽  
Vol 8 (3) ◽  
pp. 68
Author(s):  
SHINTA MUTIA KARNEVA ◽  
HAZMIRA YOZZA ◽  
FERRA YANUAR
Keyword(s):  
Small Area ◽  
Small Area Estimation ◽  
Area Estimation ◽  
Penalized Spline

Kemiskinan merupakan masalah sosial yang belum teratasi oleh pemerintah hingga saat ini. Walaupun angka kemiskinan sudah menurun, tapi masi banyak penduduk di Indonesia dikatergorikan miskin. Hal ini dikarenakan tidak tepatnya sasaran kebijakan pemerintah. Agar hal tersebut tidak terjadi maka untuk mengimplementasikan program pengentasan kemiskinan diperlukan adanya informasi pada suatu daerah. Informasi yang diperlukan berupa persentase penduduk miskin yang didapat melalui survey. Persentase penduduk miskin merupakan penduduk yang memiliki rata-rata pengeluaran perkapita perbulan di bawah garis kemiskinan. Survei penduduk merupakan salah satu cara yang digunakan untuk memperoleh informasi mengenai kependudukan. Jika survei dilakukan di area yang besar, maka dapat dihasilkan pendugaan parameter yang cukup akurat. Keterbatasan objek survei menyebabkan data yang di duga dengan pendugaan parameter secara langsung tidak menghasilkan dugaan yang akurat. Untuk menghasilkan pendugan yang lebih baik maka digunakan metode pendugaan tidak langsung pada area kecil (Small Area Estimation). Pada SAE, ada informasi lain yang diasumsikan dapat dipinjam untuk memperbaiki pendugaan terhadap parameter yang menjadi perhatian. Informasi dapat berupa variabel yang sama pada area lain atau variabel lain pada area yang sama yang dipandang berkaitan dengan parameter yang akan diduga. Salah satu pendekatan yang dapat digunakan adalah pendekatan semiparametrik Penalized Spline (P-spline) yang memiliki model fleksibel karena keberadaan dua komponen dalam model yang mengakomodasi hubungan antara variabel respon dengan variabel prediktor yang bersifat linier dan hubungan antar variabel respon dengan variabel prediktor yang bersifat nonlinier. Pendugaan persentase kemiskinan dibandingkan dalam empat model, dimana tiga variabel prediktor diasumsikan parametrik dan satu variabel prediktor diasumsikan nonparametrik. Evaluasi hasil pendugaan persentase kemiskinan terbaik dapat dilihat berdasarkan nilai koefisien determinasi yang besar.Kata Kunci: Semiparametrik, Small Area Estimation, Penalized Spline

scholarly journals Pemetaan Kemiskinan di Kabupaten Mukomuko Menggunakan Small Area Estimation Dengan Pendekatan Regresi Penalized Spline

2017 ◽  
Vol 12 (2) ◽  
pp. 59
Author(s):  
Idhia Sriliana ◽  
Dian Agustina ◽  
Etis Sunandi
Keyword(s):  
Small Area ◽  
Small Area Estimation ◽  
Area Estimation ◽  
Penalized Spline

Penelitian ini bertujuan untuk melakukan pemetaan kemiskinan di Kabupaten Mukomuko ProvinsiBengkulu. Metode yang digunakan dalam penelitian ini adalah Small Area Estimation (SAE) denganpendekatan regresi Penalized Spline (P-Spline). Pendugaan parametr model dasar SAE umumnyamembangun suatu model linier campuran yang mengasumsikan bahwa variabel respon dan variabelprediktor mempunyai hubungan linear. Ketika asumsi tersebut tidak terpenuhi, maka dilakukanpendekatan nonparametrik sebagai alternatif pilihan. Salah satunya adalah pendekatan nonparametrikP-Spline. Pada penelitian ini, dilakukan pendugaan parameter model menggunakan P-Spline sehinggadiperoleh suatu persamaan regresi efek campuran sebagai model SAE. Selanjutnya model tersebutdigunakan untuk menduga tingkat kemiskinan pada area yang tersampling., sehingga diperoleh pendugatingkat kemiskinan pada level desa di Kabupaten Mukomuko yang disajikan dalam bentuk petakemiskinan. Hasil penelitian menunjukkan pendugaan menggunakan model SAE dengan P-Splinememiliki trend (kecenderungan) yang sama dengan penduga langsung. Kecamatan yang memiliki tingkatkemiskinan tinggi menyebar di bagian Timur Laut dan Tenggara dari Kabupaten Mukomuko, yaituKecamatan Selagan Raya, Teramang Jaya, Pondok Suguh, dan Air Rami masing-masing memiliki rata-rata kemiskinan yang tinggi. Sedangkan kecamatan dengan tingkat kemiskinan rendah adalahKecamatan Lubuk Pinang.

Sae: A Stata Package For Unit Level Small Area Estimation

2018 ◽  
Author(s):  
Minh Cong Nguyen ◽  
Paul Corral ◽  
Joao Pedro Azevedo ◽  
Qinghua Zhao
Keyword(s):  
Small Area ◽  
Small Area Estimation ◽  
Area Estimation ◽  
Unit Level

scholarly journals Small Area Estimation of Smoke-free Workplace Polices and Home Rules in U.S. Counties

2021 ◽  
Author(s):  
Benmei Liu ◽  
Isaac Dompreh ◽  
Anne M Hartman
Keyword(s):  
Tobacco Control ◽  
Small Area ◽  
Small Sample Size ◽  
Health Hazard ◽  
Small Area Estimation ◽  
Small Sample ◽  
County Level ◽  
Area Estimation ◽  
Model Based ◽  
Workplace Policies

Abstract Background The workplace and home are sources of exposure to secondhand smoke (SHS), a serious health hazard for nonsmoking adults and children. Smoke-free workplace policies and home rules protect nonsmoking individuals from SHS and help individuals who smoke to quit smoking. However, estimated population coverages of smoke-free workplace policies and home rules are not typically available at small geographic levels such as counties. Model-based small area estimation techniques are needed to produce such estimates. Methods Self-reported smoke-free workplace policies and home rules data came from the 2014-2015 Tobacco Use Supplement to the Current Population Survey. County-level design-based estimates of the two measures were computed and linked to county-level relevant covariates obtained from external sources. Hierarchical Bayesian models were then built and implemented through Markov Chain Monte Carlo methods. Results Model-based estimates of smoke-free workplace policies and home rules were produced for 3,134 (out of 3,143) U.S. counties. In 2014-2015, nearly 80% of U.S. adult workers were covered by smoke-free workplace policies, and more than 85% of U.S. adults were covered by smoke-free home rules. We found large variations within and between states in the coverage of smoke-free workplace policies and home rules. Conclusions The small-area modeling approach efficiently reduced the variability that was attributable to small sample size in the direct estimates for counties with data and predicted estimates for counties without data by borrowing strength from covariates and other counties with similar profiles. The county-level modeled estimates can serve as a useful resource for tobacco control research and intervention. Implications Detailed county- and state-level estimates of smoke-free workplace policies and home rules can help identify coverage disparities and differential impact of smoke-free legislation and related social norms. Moreover, this estimation framework can be useful for modeling different tobacco control variables and applied elsewhere, e.g., to other behavioral, policy, or health related topics.

Sign in / Sign up

Export Citation Format

Share Document