Sintesi Tecnica: Stima a Doppio Sistema mediante Modelli Loglineari a Effetti Misti

1. Definizione del Problema

La Stima a Doppio Sistema (Dual System Estimation - DSE) è uno strumento standard nella statistica ufficiale per stimare la dimensione della popolazione collegando due fonti di dati e stimando il numero di unità trascurate da entrambi. Il metodo si basa sull'assunto di indipendenza tra le due liste e di omogeneità delle probabilità di inclusione. Per soddisfare l'assunto di omogeneità, la DSE viene spesso stratificata per variabili quali la regione.

L'approccio standard impiega modelli loglineari a effetti fissi, stimando i parametri per ogni livello della variabile di stratificazione. Questo approccio affronta sfide significative:

• Proliferazione dei Parametri: Quando il numero di livelli di stratificazione (ad esempio, le regioni) è elevato, il numero di parametri diventa ingestibile.
• Bias da Piccolo Campione: In scenari con molti strati e campioni piccoli all'interno di ciascuno strato, i modelli a effetti fissi (e il classico stimatore di Lincoln-Petersen) producono stime distorte.
• Stime Infinite: Nei casi in cui l'intersezione di entrambe le liste è vuota all'interno di uno specifico strato ($n_{11}=0$), lo stimatore a effetti fissi produce stime della popolazione infinite.

Sebbene lo stimatore di Chapman sia spesso utilizzato per mitigare il bias da piccolo campione nei modelli a effetti fissi, esso non affronta l'inefficienza derivante dalla stima indipendente di molti parametri. Questo documento investiga l'uso di modelli loglineari a effetti misti (noti anche come modelli multilivello o gerarchici) come alternativa. Questi modelli sostituiscono i parametri fissi per le variabili di stratificazione con effetti casuali tratti da una distribuzione, permettendo di "prendere in prestito forza" (borrowing strength) tra i gruppi per migliorare la stabilità della stima.

2. Metodologia

2.1. Modelli Loglineari a Effetti Fissi

Gli autori definiscono la linea di base utilizzando la regressione di Poisson con un legame logaritmico (log link).

• Senza Stratificazione: Un modello saturo per due liste ($A$ e $B$) include un'intercetta e termini di interazione. Poiché la cella delle unità trascurate da entrambi ($A=0, B=0$) non è osservata, il modello assume l'indipendenza, riducendo il modello a una forma di indipendenza condizionata.
• Con Stratificazione: Quando viene introdotta una variabile di stratificazione $R$ (ad esempio, la regione), l'approccio standard adatta un modello di indipendenza condizionata $[AR][BR]$ per ogni livello $l$ di $R$. Ciò risulta in un set separato di parametri per ogni regione, portando a un modello massimale con zero gradi di libertà.

2.2. Modelli Loglineari a Effetti Misti

La proposta centrale è sostituire gli effetti fissi associati alla variabile di stratificazione ($R$) e alle sue interazioni con effetti casuali.

• Struttura del Modello: Il modello loglineare è riparametrizzato per includere un'intercetta casuale ($u_{0l}$) e pendenze casuali ($u_{1il}, u_{2jl}$) per le probabilità di inclusione delle liste $A$ e $B$ attraverso le regioni.
  $$\log \mu_{ijl} = (\lambda + u_{0l}) + \lambda^A_i + \lambda^B_j + u_{1il} + u_{2jl}$$
  Qui, $u_{0l} \sim N(0, \sigma^2_{u0})$ cattura la variabilità tra le regioni nella dimensione della popolazione, mentre i termini di pendenza catturano la variabilità nelle probabilità di cattura.
• Stima per Contrazione (Shrinkage Estimation): Gli stimatori degli effetti casuali agiscono come stimatori di contrazione (Migliori Predittori Non Distorti). Le stime a livello di gruppo sono "contratte" verso la media globale, pesate in base all'affidabilità dei dati del gruppo (dimensione del campione) e alla distanza dalla media globale. Ciò riduce la varianza e mitiga il bias da piccolo campione senza richiedere stime infinite.
• Implementazione: I modelli sono adattati utilizzando il pacchetto lme4 in R, utilizzando l'ottimizzatore bobyqa per gestire i problemi di convergenza comuni nei conteggi di celle piccoli.

2.3. Riduzione del Bias ed Estensioni

• Stimatore di Chapman: Per i modelli a effetti fissi, gli autori applicano lo stimatore di Chapman (aggiungendo 1 alla cella $n_{11}$) per ridurre il bias da piccolo campione. Questo aggiustamento non è applicato ai modelli a effetti misti, poiché il meccanismo di contrazione serve a uno scopo simile di riduzione del bias.
• Stima a Multipli Sistemi (MSE): La metodologia è estesa a tre liste (Stima a Triplo Sistema). Gli autori formulano un modello a effetti misti per tabelle a tre vie, sostituendo i termini di interazione fissi con effetti casuali per stimare la cella non osservata ($A=0, B=0, C=0$).

3. Disegno dello Studio di Simulazione

Gli autori hanno condotto uno studio di simulazione completo per valutare le prestazioni dei modelli a effetti misti rispetto ai modelli a effetti fissi (con e senza la correzione di Chapman).

• Fattori Variati:
  • Dimensione della Popolazione ($N$): Da 500 a 300.000.
  • Numero di Regioni: Da 5 a 30.
  • Probabilità di Cattura: Scenari alti ($\pi_A=0.8, \pi_B=0.7$) e bassi ($\pi_A=0.4, \pi_B=0.2$).
  • Distribuzioni degli Effetti Casuali: Normale (assunta), Lognormale e Pareto (per testare la robustezza contro le violazioni della normalità).
• Metriche: Le prestazioni sono state valutate utilizzando il Bias Relativo Assoluto Medio (MARb), il Coefficiente di Variazione (CV) e l'Errore Quadratico Medio (MSE).

4. Risultati Chiave

• Confronto delle Prestazioni: Il modello loglineare a effetti misti ha costantemente superato o performato in modo simile al modello a effetti fissi con lo stimatore di Chapman.
  • Bias: Il modello a effetti misti ha mostrato un MARb inferiore, in particolare in scenari con popolazioni piccole e un gran numero di regioni (dove i conteggi delle celle sono sparsi).
  • Varianza: Il modello a effetti misti ha dimostrato una minore variabilità (CV) rispetto al modello a effetti fissi, specialmente quando le dimensioni del campione erano piccole.
• Robustezza alle Assunzioni Distribuzionali: I risultati hanno indicato che il modello a effetti misti è robusto rispetto alle violazioni dell'assunzione di normalità. Le stime derivate da effetti casuali distribuiti lognormalmente e secondo la distribuzione di Pareto hanno prodotto MARb e CV comparabili a quelli ottenuti quando l'assunzione di normalità era rispettata.
• Comportamento con Campioni Piccoli: In scenari in cui i modelli a effetti fissi senza la correzione di Chapman producevano stime infinite (a causa di conteggi nulli nell'intersezione), il modello a effetti misti ha fornito stime stabili e finite.
• Entità del Miglioramento: Sebbene il modello a effetti misti sia stato migliore, gli autori notano che il miglioramento dell'Errore Quadratico Medio rispetto al modello a effetti fissi con lo stimatore di Chapman è stato generalmente piccolo.

5. Significato e Rivendicazioni

Il documento sostiene che i modelli loglineari a effetti misti offrono un'alternativa valida e robusta agli approoli tradizionali a effetti fissi nella Stima a Doppio Sistema, in particolare nei contesti di statistica ufficiale che coinvolgono:

1. Molti Strati: Situazioni in cui il numero di regioni è grande rispetto alla popolazione totale.
2. Piccole Dimensioni del Campione: Scenari in cui gli strati individuali hanno dati scarsi, portando all'instabilità delle stime a effetti fissi.
3. Basse Probabilità di Cattura: Contesti in cui le probabilità di inclusione sono basse, aumentando il rischio di celle vuote.

Gli autori concludono che, sebbene lo stimatore di Chapman rimanga un forte performer, i modelli a effetti misti forniscono un "approccio robusto al bias" che prende in prestito informazioni da tutti i gruppi. Questo approccio gestisce naturalmente il compromesso tra bias e varianza, riducendo il rischio di stime infinite e migliorando la precisione complessiva in scenari di stima difficili. La metodologia è stata estesa con successo alla stima a multipli sistemi, suggerendo un'ampia applicabilità oltre il caso del doppio sistema.

Il documento mantiene un tono modesto, riconoscendo che, sebbene il modello a effetti misti superi il modello a effetti fissi, i guadagni in Errore Quadratico Medio sono spesso marginali negli scenari testati. Tuttavia, la stabilità e la robustezza dell'approccio a effetti misti in ambienti con campioni piccoli e molti strati sono evidenziate come i suoi principali vantaggi.