Small Area Estimation for Multivariate Repeated Measures Data

Abstract

This thesis considers Small Area Estimation with a main focus on estimation and prediction theory for repeated measures data. The demand for small area statistics is for both cross-sectional and repeated measures data. For instance, small area estimates for repeated measures data may be used by public policy makers for different purposes such as funds allocation, new educational or health programs and in some cases, they might be interested in a given group of population.It has been shown that the multivariate approach for model-based methods in small area estimation may achieve substantial improvement over the usual univariate approach. In this work, we consider repeated surveys including the same subjects at different time points. The population from which a sample has been drawn is partitioned into several subpopulations and within all subpopulations there is the same number of group units. For this setting a multivariate linear regression model is formulated. The aim of the proposed model is to borrow strength across small areas and over time with a particular interest of growth profiles over time. The model accounts for repeated surveys, group individuals and random effects variations.The estimation of model parameters is discussed with a restricted maximum likelihood based approach. The prediction of random effects and the prediction of small area means across time points, per group units and for all time points are derived. The theoretical results have also been supported by a simulation study and finally, suggestions for future research are presented.v Populärvetenskaplig sammanfattning I den här avhandling diskuteras small area estimation (SAE) med fokus pȧ skattningar av parametrarna samt prediktion för slumpvariabler givet en modell för upprepade mät-ningar. Efterfrȧgan pȧ statistisk inferens för undergrupper av en population (small area statistics) har ökat markant. Till exempel kan sȧdan inferens för upprepad mätningar användas av offentliga beslutsfattare vid tilldelning av ekonomiska resurser, planering av nya utbildnings-eller hälsoprogram och i vissa fall kan det vara av intresse att studera en specifik undergrupp av befolkningen.Det har visat sig att den multivariata framställningen för modellbaserade metoder vid SAE kan uppnȧ betydande bättre resultat jämfört med det vanliga endimensionella modellantagandet. I detta arbete betraktar vi upprepade undersökningar pȧ samma individer vid olika tidpunkter. Populationen frȧn vilket ett urval har tagits är uppdelat i flera delpopulationer och inom alla undergrupper finns det samma antal observationer. För dessa förutsättningar, är en multivariat linjär regressionsmodell formulerad. Syftet med den för-slagna modellen är att lȧna egenskaper mellan undergrupperna och över tid. I modellen ingȧr det upprepade undersökningar, grupper av individer samt slumpmässiga effekter.Parametrarna i den föreslagna modellen skattas med hjälp av restricted maximum likelihood metoden. Prediktion av slumpmässiga effekter samt prediktion av de förväntade värdena i u...