براورد و پیش بینی کوچک ناحیه ای میانگین طول مدت بیکاری در ایران واثر استان بر آن با استفاده از مدل های سه سطحی

نوع مقاله : اصیل

نویسندگان

گروه آمار، دانشگاه شهید بهشتی

چکیده

 نیاز به برآوردهای کوچک­ناحیه‌ای از طریق داده‌های آمارگیری از مدت‌ها قبل احساس شده است. اهمیت استفاده از چنین برآوردهایی در این است که اندازه‌ی نمونه‌ در بعضی از نواحی کوچک ممکن است کم یا حتی صفر شود طوری که به ­موجب آن فرایندهای آماری در داخل هر کوچک ­ناحیه به برآوردهای مستقیم با دقت قابل‌قبول منجر نشود. اگر داده‌های درون ناحیه‌های کوچک دارای ساختار سلسله‌مراتبی باشند، باید از مدل‌های چندسطحی برای ایجاد برآوردهایی با دقت قابل‌قبول استفاده نمود. در این مقاله داده‌های آمارگیری نیروی کار مرکز آمار ایران در سال‎ 1388 برای هشت استان مختلف تحلیل شده است. در این مطالعه متغیر پاسخ که طول مدت بیکاری افراد بر حسب روز است، بر حسب متغیرهای کمکی سن، جنسیت، بستگی با سرپرست خانوار، وضع تحصیلات، وضع تأهل، سطح تحصیلات و تجربه‌ی کار قبلی مدل‌بندی شده است. چون ساختار داده‌ها به ­صورت سلسله‌مراتبی است برای مدل‌بندی متغیر پاسخ از مدل‌های سه‌سطحی استفاده کردیم. در این مدل‌بندی، متغیرهای وضع تحصیلات و وضع تأهل معنادار نبودند. همچنین اثرهای ثابت و مؤلفه‌های واریانس را با روش ماکسیمم درستنمایی مقید برآورد کرده و اثرهای تصادفی را به شیوه‌ی BLUP پیشگویی کرده‌ایم و سپس نتایج اصلی گزارش و تفسیر شده‌اند. در پایان نیز با استفاده از این مدل، برآورد کوچک­ناحیه‌ای میانگین طول مدت بیکاری برای هشت استان مختلف پیش‌گویی شده است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Small area estimation and prediction of unemployment duration mean in Iran and its effect on the provinces using multilevel models

نویسندگان [English]

  • Seyed Mohammad Ebrahim ‎Hosseininasab
  • Razieh ‎Ahmadloo
Department of Statistics, Shahid Beheshti University, Tehran, Iran
چکیده [English]

Abstract
The need for small area estimates via survey data has long been recognized‎. ‎The importance of using such estimates is that the sample size in some of small areas may be small or even zero so that direct estimates cannot be made with acceptable precision in each small area‎.
‎If ‎data within small areas have hierarchical structure, multilevel models should be used to make estimates with acceptable precision‎. ‎In this paper‎, ‎ the labor force survey data of 8 different Iranian provinces, ‎collected by statistical center of Iran in 1388 (Iranian solar year), have been analyzed. ‎In this study‎, ‎response variable that is unemployment duration of the persons in the survey‎, ‎is modeled according to auxiliary variables such as age‎, ‎sex‎, ‎connection with householder‎, ‎education situation‎, ‎marital status‎, ‎educational level and previous labor experience‎. ‎Since data structure is hierarchical‎, ‎we used three-level models for modeling the response variable‎. ‎In this modeling‎, ‎the education situation and marital status variables are not significant‎. ‎The fixed effects and variance components are also estimated by restricted maximum likelihood method and the random effects are predicted by the BLUP method and then the main results are reported and interpreted‎. ‎Finally using this model‎, ‎the small area estimations of unemployment duration for 8 different provinces are predicted‎.

کلیدواژه‌ها [English]

  • ‎Multilevel model‎
  • ‎Small area estimation‎
  • ‎Unemployment duration‎
  • ‎Restricted maximum likelihood

Download Fulltext

[1] Rao , J . (2001) . Small Area Estimation with Applications to Agriculture , In Proceedings of the Second Conference on
Agricultural and Environmental Statistical Applications , ISTAT , Rome , Italy . [2] Pefefferman, D. (2002). Small Area Estimation-New Developments and Direction, International Statistical Review,70, 125-143. [3] Rao , J . (2003) . Small Area Estimation , New York : Wiley .
[4] Aitkin , M . and Longford , N . (1986). Statistical Modeling Issues in School Effectiveness Studies , Journal of the Royal Statistical Society , (series A) , 149 , 1-43 . [5] Goldstein , H . (1986) . Multilevel mixed linear model analysis using iterative
 
generalized least squares , Biometrika , 73 , 43-56 [6] Raudenbush , S . and Bryk , A . (1986) . A Hierarchical Model for Studying School Effects , Sociology of Education , 59 , 1-17 . [7] Hox , J . (2002) . Multilevel Analysis : Techniques and Applications , Lawrence Erlbaum Associates , New Jersey