Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Suy diễn mạnh mẽ, không phân phối cho tỷ lệ thu nhập dưới sự lấy mẫu phức tạp
Tóm tắt
Tỷ lệ chia quintile của thu nhập khả dụng là chỉ số bất bình đẳng chính của Liên minh Châu Âu. Là một chỉ số bất bình đẳng, nó phải nhạy cảm với các quan sát cực đoan và lớn. Do đó, các điểm ngoại lai có ảnh hưởng mạnh mẽ đến độ thiên lệch và phương sai của ước lượng tỷ lệ chia quintile cổ điển. Điều này có thể gây nhầm lẫn trong việc giải thích sự bất bình đẳng thu nhập. Một lớp ước lượng viên có khả năng chống lại các điểm ngoại lai được giới thiệu. Chúng có một hàm ảnh hưởng bị giới hạn, có thể giảm thiểu độ thiên lệch phát sinh do việc tăng cường mạnh mẽ và giảm thiểu độ biến thiên. Dựa trên một khung xếp hạng thống kê tôn trọng phương pháp thiết kế, không tham số, suy diễn cho các ước lượng viên mạnh mẽ này được phát triển. Một nghiên cứu mô phỏng lớn với các vũ trụ gần như thực tế, được lấy từ điều tra thống kê về Điều kiện Sống của EU cho phép nghiên cứu hiệu suất của các ước lượng viên được đề xuất.
Từ khóa
#bất bình đẳng thu nhập #tỷ lệ chia quintile #ước lượng mạnh mẽ #điểm ngoại lai #phương pháp không tham sốTài liệu tham khảo
Alfons, A., Filzmoser, P., Hulliger, B., Kolb, JP., Kraft, S., Münnich, R., Templ, M.: Synthetic data generation of silc data. Research Project Report WP6 - D6.2, FP7-SSH-2007-217322 AMELI. http://ameli.surveystatistics.net (2011a)
Alfons, A., Kraft, S., Templ, M., Filzmoser, P.: Simulation of close-to-reality population data for household surveys with application to EU-SILC. Stat. Method Appl. 20(3), 383–407. doi:10.1007/s10260-011-0163-2 (2011b)
Atkinson, T., Cantillon, B., Marlier, E., Nolan, B.: Social indicators: the EU and social inclusion. Oxford University Press, Oxford (2002)
Beaumont, J.F., Rivest, L.P.: Dealing with outliers in survey data. In: Pfeffermann, D., Rao, C. (eds.) Sample surveys: theory, methods and inference, Handbook of Statistics, vol. 29A, chap 11. Elsevier, Amsterdam, pp. 247–280 (2009)
Binder, D.A., Patak, Z.: Use of estimating functions for estimation from complex surveys. J. Am. Stat. Assoc. 89(427), 1035–1043 (1994)
Bowley, A.L.: Elements of statistics. Charles Scribner’s Sons, New York (1920)
Bruch, C., Münnich, R., Zins, S.: Variance estimation for complex surveys. Tech. rep., AMELI deliverable D3.1, http://ameli.surveystatistics.net/ (2011)
Chambers, R.L.: Outlier robust finite population estimation. J. Am. Stat. Assoc. 81(396), 1063–1069 (1986)
Cowell, F.A., Flachaire, E.: Income distribution and inequality measurement: The problem of extreme values. J. Econom. 141, 1044–1072 (2007)
Cowell, F.A., Victoria-Feser, M.P.: Robustness properties of inequality measures. Econometrica 64(1), 77–101 (1996)
Cowell, F.A., Victoria-Feser, M.P.: Welfare rankings in the presence of contaminated data. Econometrica 70(3), 1221–1233 (2002)
Cowell, F.A., Victoria-Feser, M.P.: Distribution-free inference for welfare indices under complete and incomplete information. J. Econ. Inequal. 1, 191–219 (2003)
Cowell, F.A., Victoria-Feser, M.P.: Distributional dominance with trimmed data. J. Bus. Econ. Stat 24(3), 291–300 (2006)
David, HA., Nagaraja, HN.: Order Statistics, 3rd edn. Wiley, Hoboken (2003)
Deaton, A.: The analysis of household surveys: a microeconomic approach to development policy, 3rd edn. World Bank Publications, The Johns Hopkins University Press, Baltimore (2000)
Deville, J.C., Särndal, C.E.: Calibration estimators in survey sampling. J. Am. Stat. Assoc. 87(418), 376–382 (1992)
European Commission: Laeken indicators. Detailed calculation methodology. Tech. rep., EUROSTAT working group statistics on income, poverty and social exclusion, Luxembourg. DOC. E2/IPSE/2003 (2003)
Fuller, W.A.: Simple estimators for the mean of skewed populations. Statistica Sinica 1, 137–158 (1991)
Hampel, F.R., Ronchetti, E.M., Rousseeuw, P.J., Stahel, W.A.: Robust statistics: the approach based on influence functions. Wiley, New York (1986)
Huber, P.J.: Robust statistics. Wiley, New York (1981)
Hulliger, B.: Outlier robust Horvitz-Thompson estimators. Surv. Methodol. 21(1), 79–87 (1995)
Hulliger, B., Münnich, R.: Variance estimation for complex surveys in the presence of outliers. In: ASA Proceedings of the Section on Survey Research Methods (2006) American Statistical Association, In (2006)
Hulliger, B., Schoch, T.: Robustification of the quintile share ratio. In: Proceedings of the NTTS Conference—New Techniques and Technologies for Statistics, Eurostat, Brussels (2009)
Hulliger, B., Alfons, A., Filzmoser, P., Meraner, A., Schoch, T., Templ, M.: Robust methodology for laeken indicators. Tech. rep., Research Project Report WP4 D4.2, FP7-SSH-2007-217322 AMELI. http://ameli.surveystatistics.net (2011)
Krewski, D., Rao, J.: Inference from stratified samples: properties of the linearization, jackknife, and balanced repeated replication method. Ann. Stat. 9(5), 1010–1019 (1981)
Langel, M., Tillé, Y.: Statistical inference for the quintile share ratio. J. Stat. Plan. Infer. 141, 2976–2985 (2011)
Moreno-Rebollo, J., Muñoz-Reyes, A., Muñoz-Pichardo, J.: Miscellanea: influence diagnostic in survey sampling: conditional bias. Biometrika 86(4), 923–928 (1999). doi:10.1093/biomet/86.4.923
Moreno-Rebollo, JL., Muñoz-Reyes, A., Jiménez-Gamero, MD., Muñoz-Pichardo, J.: Influence diagnostic in survey sampling: Estimating the conditional bias. Metrika 55(3):209–214, doi:10.1007/s001840100142 (2002)
Nygård, F., Sandström, A.: Income inequality measures based on sample surveys. J. Econom. 42, 81–95 (1989)
Osier, G.: Variance estimation for complex indicators of poverty and inequality using linearization techniques. Surv. Res. Method. 3, 167195 (2009)
Pfeffermann, D.: The role of sampling weights when modelling survey data. Int. Stat. Rev. 61(2), 317–337 (1993)
Rao, J.N.K., Wu, C.F.J.: Inference from stratified samples: second-order analysis of three methods for nonlinear statistics. J. Amer. Stat. Assoc. 80(391), 620–630 (1985)
Särndal, C.E., Swensson, B., Wretman, J.: Model assisted survey sampling, 2nd edn. Springer, New York (1992)
Serfling, R.J.: Approximation theorems of mathematical statistics. Wiley, New York (1980)
Shao, J.: L-statistics in complex survey problems. Ann. Stat. 22(2), 946–967 (1994)
Smith, T.: Influential observations in survey sampling. J. Appl. Stat. 14(2), 143–152 (1987)
Stigler, S.M.: The asymptotic distribution of the trimmed mean. Ann. Stat. 1(3), 472–477 (1973)
Victoria-Feser, M.P., Ronchetti, E.M.: Robust methods for personal-income distribution models. Can. J. Stat. 22(2), 247–258 (1994)
Wolter, K.M.: Introduction to variance estimation, 2nd edn. Springer, New York (2007)
Zheng, B.: Testing lorenz curves with non-simple random samples. Econometrica 70(3), 1235–1243 (2002)