Baigtinės populiacijos parametrų vertinimas srityse, kurių imties dydis mažas
Magistro baigiamajame darbe nagrinėjami Lietuvos statistikos departamento gyventojų užimtumo statistinio tyrimo, atliekamo imčių metodais, baigtinės populiacijos parametrų vertinimo uždaviniai. Pirmiausiai, taikomas imties planu pagrįstas nepaslinktasis įvertinys sričių, kurių imties dydis mažas, parametrų vertinimui. Jei srities elementai nepateko į imtį, srities parametrai lieka neįvertinti. Todėl norint tiksliau įvertinti sričių parametrus taikomi modeliu pagrįsti įvertiniai. Sudarius mišrų tiesinį modelį ir taikant SAS makroprogramą eblupgreg vertinama bedarbių, užimtųjų skaičius ir nedarbo lygis savivaldybėse. Toliau apskaičiuojami visų įvertinių empiriniai tikslumo matai. Gauta, jog tiksliausiai sričių sumas vertina sudėtinis įvertinys, kuriame naudojamos papildomų kintamųjų sumos. Juo galima įvertinti parametrus ir tose savivaldybėse, kurių elementai nepakliūna į imtį. Norint padidinti sudėtinio įvertinio tikslumą, apskaičiuoti apskričių suderinamumo koeficientai, kuriuos pritaikius gaunami tikslesni įverčiai savivaldybėse. Susidūrus su problema, jog tyrimo vertinamas kintamasis yra dvireikšmis, o makroprogramos eblupgreg priklausomas kintamasis turi būti kiekybinis, dvireikšmiam kintamajam taikomas logistinės regresijos modelis ir juo pagrįstas sumos įvertinys. Juo gauti rezultatai lyginami su sudėtiniu įvertiniu. Gauta, jog sudėtinis įvertinys yra patikimas, net jei priklausomas kintamasis yra dvireikšmis.
Master Thesis analyzes finite population parameter estimation techniques of performed labor force survey by Statistics of Lithuania. First of all, was applied unbiased estimator for small areas. In fact, that small area elements can exclude the sample, those areas stay underestimated. Model based and hierarchical estimators are applied to estimate small areas. Having mixed linear model and using SAS macro program eblupgreg unemployed, employed, and unemployment rate is estimated in all municipalities. For all estimators calculated empirical measures of accuracy. Results showed that the best estimator is complex, which is using additional variable sums in all municipalities. It can estimate even those municipalities, which elements exclude the sample. What is more, to increase the accuracy of the complex estimator, area compatibility factor was estimated. It was used to match complex estimator in small areas. Faced with the problem that our dependent variable is qualitative, but macro program's eblupgreg dependent variable should be quantitative. So we applied the logistic regression model. Logistic regression model is used for qualitative variable estimation. The results are compared with complex (eblup) estimator. Finally, results showed that the complex estimator can be trusted, even if the dependent variable is qualitative.