Relevant bibliographies by topics / Empirical best linear unbiased predictor (EBLUP)

Contents

  1. Journal articles
  2. Book chapters

Academic literature on the topic 'Empirical best linear unbiased predictor (EBLUP)'

Author: Grafiati
Published: 4 June 2021
Last updated: 11 June 2025

Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles

Select a source type:

Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Empirical best linear unbiased predictor (EBLUP).'

Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.

You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.

Journal articles on the topic "Empirical best linear unbiased predictor (EBLUP)"

1

Liu, Yan Yu, Ming Zhong Jin, De You Xie, and Min Qing Gong. "MC Simulation of SEBLUP with Spatial Linear Mixed Model for SAE." Applied Mechanics and Materials 685 (October 2014): 618–22. http://dx.doi.org/10.4028/www.scientific.net/amm.685.618.

Full text
Abstract:
For small area estimation (SAE) Spatial Empirical Best Linear Unbiased Prediction, SEBLUP, is involved in linear mixed model with spatial correlation while Empirical Best Linear Unbiased Prediction, EBLUP, often with mutual independence. In this paper, we discussed maximum likelihood estimation (MLE) and compared the efficiency. Simulation shows that SEBLUP with spatial correlation data of spatial small area is more effective than EBLUP.
APA, Harvard, Vancouver, ISO, and other styles
2

Ilham, M. Irsyad. "PEMODELAN EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) DALAM PENDUGAAN AREA KECIL." Seminar Nasional Official Statistics 2019, no. 1 (2020): 117–23. http://dx.doi.org/10.34123/semnasoffstat.v2019i1.243.

Full text
Abstract:
Kebutuhan terhadap data pada level mikro semakin tinggi. Di sisi lain, Badan Pusat Statistik (BPS) membutuhkan biaya yang cukup besar untuk pengumpulan data seiring dengan banyaknya kegiatan survei rutin yang dilakukan berulang kali. Hal ini menunjukkan BPS memerlukan metode estimasi yang akan menghasilkan statistik yang efektif dan efisien, di samping hemat dan menghasilkan statistik dengan ketelitian yang memadai. Penelitian ini akan menerapkan metode Small Area Statistics (SAE) atau estimasi wilayah kecil untuk keperluan estimasi rata-rata pengeluran per kapita menurut kelurahan/desa di kabupaten Sukamara. Metode estimasi level kelurahan/desa menggunakan model Empirical Best Linear Unbiased Predictor (EBLUP). Tahapan pertama yakni melakukan pendugaan langsung (direct estimation) nilai rata-rata pengeluaran per kapita pada desa yang terpilih menjadi sampel. Selanjutnya, dilakukan estimasi tidak langsung (indirect estimation) untuk mengestimasi pengeluaran per kapita seluruh desa di kabupaten Sukamara. Metode tidak langsung didasarkan pada pemodelan regresi linier dengan menggunakan variabel tambahan (auxiliary variabel) yang memiliki hubungan yang kuat dan linier terhadap variabel prediktor. Variabel tambahan yang digunakan dalam penelitian ini adalah jumlah keluarga non listrik, jumlah sarana pendidikan, jumlah sarana kesehatan, jumlah kasus gizi buruk, jumlah keluarga dengan Surat Keterangan Tidak Mampu (SKTM), dan jumlah keluarga yang memiliki jamkesmas/askes. Dari hasil pemodelan, secara umum pengeluaran per kapita per bulan dari setiap desa berada di atas satu juta rupiah. Penduduk desa-desa yang terletak di kecamatan Balai Riam dan Permata Kecubung terlihat banyak mengeluarkan sejumlah dana, untuk keperluan makanan maupun non-makanan. Hal ini diindikasikan karena desa-desa tersebut yang memiliki infrastruktur yang memadai ke Kota Pangkalan Bun.
APA, Harvard, Vancouver, ISO, and other styles
3

Rakhsyanda, Naima, Kusman Sadik, and Indahwati Indahwati. "Simulation Study of Robust Geographically Weighted Empirical Best Linear Unbiased Predictor on Small Area Estimation." Indonesian Journal of Statistics and Its Applications 5, no. 1 (2021): 50–60. http://dx.doi.org/10.29244/ijsa.v5i1p50-60.

Full text
Abstract:
Small area estimation can be used to predict the population parameter with small sample sizes. For some cases, the population units that are close spatially may be more related than units that are further apart. The use of spatial information like geographic coordinates are studied in this research. Outlier contaminations can affect small area estimations. This study was conducted using simulation methods on generated data with six scenarios. The scenarios are the combination of spatial effects (spatial stationary and spatial non-stationary) with outlier contamination (no outlier, symmetric outliers, and non-symmetric outliers). The purpose of this study was to compare the geographically weighted empirical best linear unbiased predictor (GWEBLUP) and robust GWEBLUP (RGWEBLUP) with direct estimator, EBLUP, and REBLUP using simulation data. The performance of the predictors is evaluated using relative root mean squared error (RRMSE). The simulation results showed that geographically weighted predictors have the smallest RRMSE values for scenarios with spatial non-stationary, therefore offer a better prediction. For scenarios with outliers, robust predictors with smaller RRMSE values offer more efficiency than non-robust predictors.
APA, Harvard, Vancouver, ISO, and other styles
4

FORKMAN, J., and H.-P. PIEPHO. "Performance of empirical BLUP and Bayesian prediction in small randomized complete block experiments." Journal of Agricultural Science 151, no. 3 (2012): 381–95. http://dx.doi.org/10.1017/s0021859612000445.

Full text
Abstract:
SUMMARYThe model for analysis of randomized complete block (RCB) experiments usually includes two factors: block and treatment. If treatment is modelled as fixed, best linear unbiased estimation (BLUE) is used, and treatment means estimate expected means. If treatment is modelled as random, best linear unbiased prediction (BLUP) shrinks the treatment means towards the overall mean, which results in smaller root-mean-square error (RMSE) in prediction of means. This theoretical result holds provided the variance components are known, but in practice the variance components are estimated. BLUP using estimated variance components is called empirical best linear unbiased prediction (EBLUP). In small experiments, estimates can be unreliable and the usefulness of EBLUP is uncertain. The present paper investigates, through simulation, the performance of EBLUP in small RCB experiments with normally as well as non-normally distributed random effects. The methods of Satterthwaite (1946) and of Kenward & Roger (1997, 2009), as implemented in the SAS System, were studied. Performance was measured by RMSE, in prediction of means, and coverage of prediction intervals. In addition, a Bayesian approach was used for prediction of treatment differences and computation of credible intervals. EBLUP performed better than BLUE with regard to RMSE, also when the number of treatments was small and when the treatment effects were non-normally distributed. The methods of Satterthwaite and of Kenward & Roger usually produced approximately correct coverage of prediction intervals. The Bayesian method gave the smallest RMSE and usually more accurate coverage of intervals than the other methods.
APA, Harvard, Vancouver, ISO, and other styles
5

Diana, Rita, and Rory Rory. "ESTIMASI RATA-RATA LAMA SEKOLAH TINGKAT KECAMATAN DI KABUPATEN PADANG PARIAMAN DENGAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTOR." Seminar Nasional Official Statistics 2019, no. 1 (2020): 110–16. http://dx.doi.org/10.34123/semnasoffstat.v2019i1.228.

Full text
Abstract:
Rata-rata lama sekolah penduduk umur 25 tahun ke atas merupakan salah satu indikator yang menggambarkan tingkat pendidikan penduduk secara keseluruhan. Dari 19 kabupaten/kota di Sumatera Barat, Kabupaten Padang Pariaman memiliki rata-rata lama sekolah terendah kedua setelah Kabupaten Kepulauan Mentawai. Penanganan rendahnya rata-rata lama sekolah membutuhkan tersedianya data rata-rata lama sekolah yang up to date dan menjangkau level wilayah yang kecil seperti kecamatan dan desa/nagari, agar kebijakan yang diambil pemerintah bisa tepat sasaran. Ketersediaan data tersebut belum mampu diakomodir oleh Badan Pusat Statistik (BPS), karena survei yang dilakukan oleh BPS dirancang untuk pendugaan data area besar, yaitu provinsi dan kabupaten. Salah satu solusi untuk masalah tersebut adalah dengan menggunakan metode estimasi tidak langsung, yaitu Small Area Estimation (SAE). Salah satu estimasi parameter secara tidak langsung berbasiskan model SAE adalah Empirical Best Linear Unbiased Predictor (EBLUP). Tujuan penelitian ini adalah melakukan estimasi rata-rata lama sekolah tingkat kecamatan di Kabupaten Padang Pariaman menggunakan metode EBLUP dengan prosedur maximum likelihood (ML) dan prosedur restricted maximum likelihood (REML). Variabel penyerta yang digunakan dalam penelitian ini yang diduga berpengaruh terhadap variabel respon adalah rasio jumlah SLTA/sederajat per 10.000 penduduk, rata-rata jarak terhadap SLTA/sederajat dan persentase keluarga pertanian. Hasil penelitian menunjukkan SAE metode EBLUP dengan prosedur REML menghasilkan nilai estimasi rata-rata lama sekolah tingkat kecamatan di kabupaten Padang Pariaman memiliki akurasi yang lebih baik dibandingkan dengan hasil estimasi langsung (direct) dan prosedur ML.
APA, Harvard, Vancouver, ISO, and other styles
6

Firmando, Gusti, and Azka Ubaidillah. "PENDUGAAN AREA KECIL UNTUK ANGKA PARTISIPASI KASAR PENDIDIKAN DASAR DAN MENENGAH TINGKAT KABUPATEN/KOTA DI PROVINSI JAWA TENGAH TAHUN 2018." Seminar Nasional Official Statistics 2020, no. 1 (2021): 651–61. http://dx.doi.org/10.34123/semnasoffstat.v2020i1.466.

Full text
Abstract:
Pada Maret tahun 2018, Angka Partisipasi Kasar (APK) di Indonesia untuk pendidikan dasar dan menengah adalah sebesar: APK SD/sederajat 108,61%, APK SMP/sederajat 91,52%, sedangkan APK SMA/sederajat 80,68%. Capaian tersebut masih jauh dari target Rencana Pembangunan Jangka Menengah Nasional (RPJMN) 2014-2019. Salah satu provinsi yang memiliki APK pendidikan dasar dan menengah di bawah target RPJMN adalah Provinsi Jawa Tengah. Upaya yang dapat dilakukan untuk mewujudkan target tersebut adalah dengan mengetahui capaian APK pendidikan dasar dan menengah di level kabupaten/kota berdasarkan hasil Susenas September sehingga kontrol dapat dilakukan dua kali dalam setahun. Namun, langkah ini akan memerlukan penambahan jumlah sampel yang menyebabkan diperlukannya waktu, biaya, tenaga dan pemikiran yang lebih besar. Untuk mengatasi hal tersebut, Small Area Estimation (SAE) dapat digunakan untuk menghasilkan presisi yang memadai tanpa melakukan penambahan jumlah sampel. SAE merupakan metode pendugaan parameter-parameter subpopulasi yang memiliki ukuran sampel kecil. Metode SAE yang banyak digunakan adalah Empirical Best Linear Unbiased Predictor (EBLUP). Namun, model ini belum memasukkan pengaruh spasial ke dalam model. Model Fay-Herriot yang memerhatikan efek spasial dikenal dengan Spatial Empirical Best Linear Unbiased Predictor (SEBLUP). Hasil penelitian menunjukkan bahwa metode EBLUP lebih baik dalam mengestimasi APK SD/sederajat dan APK SMA/sederajat, dan metode SEBLUP lebih baik dalam mengestimasi APK SMP/sederajat.
APA, Harvard, Vancouver, ISO, and other styles
7

Anggraeni, Yulian Dwi Intan, and Tri Nugrahadi. "PENERAPAN EMPIRICAL BEST LINEAR UNBIASED PREDICTION FAY HERRIOT (EBLUP FH) DAN SPATIAL EBLUP FH PADA DATA TRANSFORMASI LOGARITMA." Seminar Nasional Official Statistics 2019, no. 1 (2020): 93–103. http://dx.doi.org/10.34123/semnasoffstat.v2019i1.185.

Full text
Abstract:
Peningkatan dan pemerataan kesejahteraan menjadi salah satu tujuan otonomi daerah. Pengeluaran per kapita merupakan salah satu tolak ukurnya. Selama ini, penyajian data yang dilakukan BPS terbatas untuk wilayah (domain) yang luas karena sumber daya yang masih terbatas. Padahal penyajian data pada area luas dinilai kurang representatif dalam memberikan gambaran wilayah-wilayah sempit yang menjadi cakupannya. Akibatnya pengambilan kebijakan dirasa belum optimal. Penelitian ini bertujuan untuk menduga pengeluaran rata-rata rumah tangga per kapita level kecamatan di Provinsi Jawa Barat tahun 2018 dengan metode EBLUP FH dan SEBLUP FH. Hasil penelitian menunjukkan bahwa model SEBLUP FH dengan transformasi logaritma lebih baik daripada model pendugaan langsung dan model EBLUP FH dengan transformasi logaritma. Kecamatan dengan pengeluaran rata-rata rumah tangga per kapita tertinggi di Jawa Barat adalah Kecamatan Pebayuran, Kecamatan Muara Gembong, dan Kecamatan Sukakarya Kabupaten Bekasi. Sebaliknya, kecamatan dengan pengeluaran rata-rata rumah tangga per kapita terendah adalah Kecamatan Arjawinangun Kabupaten Cirebon, Kecamatan Arahan Kabupaten Indramayu, dan Kecamatan Tambaksari Kabupaten Ciamis. Berdasarkan hasil penelitian tersebut, diharapkan pemerintah dapat mengambil kebijakan terkait pemerataan pengeluaran rumah tangga per kapita beserta pembangunan infrastruktur vital khususnya di wilayah-wilayah dengan pengeluaran per kapita yang rendah.
APA, Harvard, Vancouver, ISO, and other styles
8

Subandriyo, Budi. "ESTIMASI ANGKA PARTISIPASI KASAR PERGURUAN TINGGI PROVINSI PAPUA MELALUI SMALL AREA ESTIMATION." Seminar Nasional Official Statistics 2019, no. 1 (2020): 104–9. http://dx.doi.org/10.34123/semnasoffstat.v2019i1.216.

Full text
Abstract:
Angka Partisipasi Kasar (APK) m0erupakan salah satu indikator statistik yang digunakan untuk melihat besarnya tingkat partisipasi pendidikan pada suatu wilayah. Besar atau kecilnya nilai APK perguruan tinggi menunjukkan seberapa mudah penduduk untuk mengakses Pendidikan di perguruan tinggi. Hal ini sesuai dengan tujuan pembangunan berkelanjutan (Sustainable Development Goals) yang memiliki program untuk terus meningkatkan kesempatan belajar, salah satunya pendidikan di perguruan tinggi. Oleh karena itu, diperlukan upaya peningkatan akses pendidikan di universitas dan perguruan tinggi melalui penyediaan data APK-PT yang akurat. Apabila dilihat berdasarkan daerah tingkat provinsi, Provinsi Papua merupakan provinsi dengan APK-PT dua terbawah di antara provinsi lainnya yaitu sebesar 19,03 persen. Akan tetapi, ketersediaan data APK-PT hingga tingkar kabupaten atau kota masih belum tersedia karena kurangnya ukuran sampel. Salah satu upaya untuk mengoptimalkan sampel yang tersedia dan menghasil estimasi APK-PT di tingkat kabupaten/kota yaitu dengan menggunakan metode Small Area Estimation (SAE) berbasis area level. Pada penelitian ini digunakan data Survei Sosial Ekonomi Nasional (SUSENAS) 2018 untuk memperoleh estimasi langsung (direct estimation) APK-PT dan Potensi Desa (PODES) 2018 di Provinsi Papua sebagai variabel penyerta (auxiliary variable) dalam pemodelan SAE. Metode SAE yang digunakan adalah Empirical Best Linear Unbiased Predictor – Fay Herriot (EBLUP-FH) dan EBLUP benchmarking seperti EBLUP Difference Benchmarking (EBLUP-DB), EBLUP You-Rao Benchmarking (EBLUP-YR), dan EBLUP Augmented Bencharking (EBLUP-AB). Berdasarkan hasil penelitian disimpulkan bahwa penggunaan estimasi SAE yang cocok pada data APK-PT di Provinsi Papua adalah model EBLUP Augmented Benchmarking dengan nilai rata-rata MSE terendah yaitu sebesar 22,06 persen.
APA, Harvard, Vancouver, ISO, and other styles
9

Sukarsa, I. Komang Gde, and I. G. K. Gandhiadi. "PENDUGAAN PROPORSI RUMAH TANGGA MISKIN TINGKAT DESA DI PROVINSI BALI DENGAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION DAN BAYESIAN." BAREKENG: Jurnal Ilmu Matematika dan Terapan 15, no. 2 (2021): 215–22. http://dx.doi.org/10.30598/barekengvol15iss2pp215-222.

Full text
Abstract:
Kebijakan pengentasan kemiskinan pada pemerintahan presiden Ir. H. Joko Widodo dilakukan melalui empat strategi kunci yang salah satunya adalah pemberdayaan kelompok masyarakat miskin. Ketersediaan informasi mengenai kemiskinan sangatlah minim padahal untuk menerapkan strategi kebijakan tersebut seharusnya dimulai pada kelompok masyarakat terkecil yakni masyarakat desa. Guna memperoleh informasi kemiskinan pada tingkat desa, penelitian ini menerapkan metode pendugaan area kecil sebagai akibat kurang efektifnya pendugaan langsung pada area kecil. Metode pendugaan area kecil yang umum digunakan yakni metode empirical best linear unbiased prediction (EBLUP), empirical Bayes (EB), dan metode hierarchical Bayes (HB). Hasil yang diperoleh pada pendugaan area kecil pada tingkat desa di Provinsi Bali menujukkan bahwa dugaan proporsi rumah tangga miskin di tingkat desa di Provinsi Bali berada di antara 0,00423 dan 0,03910 serta nilai mean square error yang berada di antara 0,0013 dan 0,1291 diperoleh melalui metode hierarchical Bayes, kemudian untuk metode empirical Bayes diperoleh dugaan proporsi rumah tangga miskin di antara 0,00423 dan 0,03909 serta nilai mean square error di antara 0,0011 dan 0,1288 dan metode empirical best linear unbiased prediction diperoleh dugaan proporsi rumah tangga miskin berada di antara 0,00425 dan 0,03910 serta nilai mean square error di antara 0,00010 dan 0,1291. Secara umum nilai mean square error berada di kisaran yang sama. Sehingga ketiga metode pendugaan tidak dapat disimpulkan yang lebih baik satu dengan yang lainnya.
APA, Harvard, Vancouver, ISO, and other styles
10

Zhang, Renhe, and Xiyuan Hu. "A comparison of empirical BLUP with different considerations of residual error variance for genotype evaluation of multi-location trials." Spanish Journal of Agricultural Research 17, no. 1 (2019): e0701. http://dx.doi.org/10.5424/sjar/2019171-13907.

Full text
Abstract:
AbstractThe empirical best linear unbiased prediction (eBLUP) is usually based on the assumption that the residual error variance (REV) is homogenous. This may be unrealistic, and therefore limits the accuracy of genotype evaluations for multi-location trials, where the REV often varies across locations. The objective of this contribution was to investigate the direct implications of the eBLUP with different considerations about REV based on the mixed model for evaluation of genotype simple effects (i.e. genotype effects at individual locations). A series of 14 multi-location trials from a rape-breeding program in the north of China were simultaneously analyzed from 2012 to 2014 using a randomized complete block design at each location. The results showed that the model with heterogeneous REV was more appropriate than the one with homogeneous REV in all of the trials according to model fitting statistics. Whether the REV differences across locations were accounted for in the analysis procedure influenced the variance estimate of related random effects and testing of the variance of genotype-location (G-L) interactions. Ignoring REV differences by use of the eBLUP could result not only in an inflation or deflation of statistical Type I error rates for pair-wise testing but also in an inaccurate ranking of genotype simple effects for these trials. Therefore, it is suggested that in application of the eBLUP for evaluation of genotype simple effects in multi-location trials, the heterogeneity of REV should be accounted for based on mixed model approaches with appropriate variance-covariance structure.
APA, Harvard, Vancouver, ISO, and other styles

Book chapters on the topic "Empirical best linear unbiased predictor (EBLUP)"

1

"Empirical Best Linear Unbiased Prediction (EBLUP): Theory." In Small Area Estimation. John Wiley & Sons, Inc, 2015. http://dx.doi.org/10.1002/9781118735855.ch5.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

"Empirical Best Linear Unbiased Prediction (EBLUP): Theory." In Small Area Estimation. John Wiley & Sons, Inc., 2005. http://dx.doi.org/10.1002/0471722189.ch6.

Full text
APA, Harvard, Vancouver, ISO, and other styles
3

"Empirical Best Linear Unbiased Prediction (EBLUP): Basic Models." In Small Area Estimation. John Wiley & Sons, Inc., 2005. http://dx.doi.org/10.1002/0471722189.ch7.

Full text
APA, Harvard, Vancouver, ISO, and other styles
4

"Empirical Best Linear Unbiased Prediction (EBLUP): Basic Area Level Model." In Small Area Estimation. John Wiley & Sons, Inc, 2015. http://dx.doi.org/10.1002/9781118735855.ch6.

Full text
APA, Harvard, Vancouver, ISO, and other styles
We offer discounts on all premium plans for authors whose works are included in thematic literature selections. Contact us to get a unique promo code!

To the bibliography