地方福利的非正态经验贝叶斯预测

核心观点

本文研究了在局部福利估计中考虑非正态分布误差的重要性，并提出了一个结合经验贝叶斯估计和非正态分布误差考虑的新方法（Non-normal-EB）。

关键数据和研究结论

• 误差分布的非正态性：基于142项来自16个不同国家的家庭调查数据，研究发现区域性和家庭特殊误差分布与正态分布存在显著偏离，尤其是在家庭特殊误差成分方面。区域误差的偏度介于-1和1之间，峰度介于2和8之间，不考虑离群值。家庭误差的偏度介于-1.5和1.5之间，峰度介于4和10之间。
• Non-normal-EB方法的优势：与非正态-非EB（ELL）和正态-EB（MR）方法相比，Non-normal-EB方法在大多数情况下表现更优，尤其是在区域误差占总误差的比例较高、误差的非正态偏差温和以及家庭调查覆盖了目标地区总数的大部分的情况下。与非正态EB方法相比，RMSE的差异在位置效应较高水平时相对微不足道。同样地，在位置效应接近零时，与非正态EB相比的差异也微不足道。
• Non-normal-EB方法的适用性：Non-normal-EB方法易于实施，并且在使用时没有任何弊端。该方法同样适用于跨调查预测，其中可能预期到相似的精度提升。

研究意义

本文的研究结果表明，在局部福利估计中考虑非正态分布误差可以显著提高估计的精度。Non-normal-EB方法为研究人员提供了一个有效且易于实施的工具，以更准确地评估局部福利。