PropertyValue
?:about
?:abstract
  • Small Area Estimation erlaubt die Schätzung regionaler Indikatoren anhand kleiner Stichproben. Hierfür werden Survey-Daten mehrerer Regionen in statistischen Modellen kombiniert. Aufgrund der Digitalisierung der Gesellschaft entstehen immer mehr zusätzliche Datenquellen, wie etwa Website- und Social-Media-Daten, welche die Modelle weiter verbessern könnten. Bei der Verwendung dieser Daten ist jedoch zu beachten, dass ihre Eigenschaften sich deutlich von Stichprobendaten unterscheiden. Sie sind unter anderem mit einer generellen Unsicherheit assoziiert, welche sich nicht quantifizieren lässt. Klassische Schätzverfahren können dies nicht antizipieren, was zu ungenauen Ergebnissen führt. Dieser Artikel zeigt, dass die Schätzung regionaler Indikatoren gegen Unsicherheit mithilfe von Regularisierung robustifiziert werden kann. +++ Small area estimation facilitates the estimation of regional indicators from small samples. This requires the combination of survey data from multiple regions in statistical models. Due to the rapid digitalisation of public life, more and more additional data sources arise, such as website and social media data. These data sources can further improve the models. However, researchers must be aware that these data have fundamentally different properties than sample data. They are often associated with a general uncertainty that cannot be quantified. Classical estimators cannot account for this, which leads to inaccurate estimates. This paper demonstrates that regularisation is a useful tool to robustify small area estimates against uncertainty. (xsd:string)
?:author
?:contributor
?:hasFulltext
  • true (xsd:boolean)
is ?:hasPart of
?:inLanguage
  • Deutsch (DE) (xsd:string)
?:libraryLocation
?:name
  • Robuste Schätzung regionaler Indikatoren auf Basis unsicherer Daten durch regularisierte Regression (xsd:string)
?:provider
?:publicationType
  • Buch (de)
  • Elektronische Ressource (xsd:string)
  • books (en)
?:sourceInfo
  • GESIS-BIB (xsd:string)
  • In: WISTA - Wirtschaft und Statistik, 2022 H. 1; S. 25-33. ISSN 1619-2907 (xsd:string)
rdf:type