Small Area Estimation using EBLUPs under the Nested Error Regression Model

Título: Estimação de Pequenas Áreas usando EBLUPs sob o Modelo de Regressão com Erros Aninhados

Autores: Ziyang Lyu (UNSW) e A.H. Welsh (ANU)
Data: Outubro de 2022

---

1. O Problema

A estimação de características de domínio (pequenas áreas) dentro de uma população, como médias ou totais, a partir de inquéritos amostrais é um desafio central na estatística de inquéritos. As estimativas diretas, que utilizam apenas dados específicos de cada área, frequentemente sofrem de grandes erros padrão devido a tamanhos amostrais pequenos e insuficientes.

O artigo foca-se na estimação de pequenas áreas baseada em modelos, especificamente sob o Modelo de Regressão com Erros Aninhados (também conhecido como modelo de intercepto aleatório). Existem duas questões fundamentais abordadas:

1. Alvos de Estimação: A distinção entre a verdadeira média da pequena área ($\bar{y}_i$) e a sua expectativa condicional linear (CLP, $\eta_i$) dada pelos efeitos aleatórios. Embora muitas vezes tratados como intercambiáveis, são variáveis aleatórias distintas com diferentes erros quadráticos médios (MSE).
2. Inferência e Intervalos de Predição: A construção de intervalos de predição e a estimação do Erro Quadrático Médio (MSE) para os preditores ótimos (EBLUPs - Empirical Best Linear Unbiased Predictors). Métodos tradicionais, como o de Prasad & Rao (1990), baseiam-se em aproximações de Taylor de segunda ordem sob um quadro assintótico onde o número de áreas aumenta, mas o tamanho de cada área permanece fixo. Este quadro tradicional tem desvantagens: não garante consistência dos estimadores e dificulta a derivação de distribuições assintóticas válidas para intervalos de confiança.

2. Metodologia

Quadro Assintótico Proposto

Os autores abandonam o quadro tradicional de "áreas fixas" e adotam um quadro assintótico onde tanto o número de áreas ($g$) quanto o tamanho da amostra em cada área ($n_L$) tendem ao infinito. Este quadro, embora pareça contraditório com o termo "pequena área", é relevante para muitas aplicações práticas (ex: ensaios clínicos agrupados, dados educacionais) e permite resultados teóricos mais robustos.

Modelo e Estimadores

O modelo assume:
$$y_{ij} = \mu(x_{ij}) + \alpha_i + e_{ij}$$
Onde $\mu(x_{ij})$ é uma função de regressão linear com efeitos entre áreas e dentro das áreas, $\alpha_i$ é o efeito aleatório da área e $e_{ij}$ é o erro aleatório.

Os autores analisam dois tipos de estimadores mistos:

1. $\hat{M}^{sam}_i$: Estimador da média real da pequena área ($\bar{y}_i$), que combina a média amostral observada com uma componente sintética.
2. $\hat{M}^{clp}_i$: Estimador da expectativa condicional linear ($\eta_i$), que é puramente sintético (baseado apenas no modelo).

Resultados Teóricos Principais

Utilizando resultados recentes de Lyu & Welsh (2021, 2022) sobre a estimação de parâmetros via Máxima Verossimilhança (ML) e Máxima Verossimilhança Restrita (REML), os autores estabelecem:

• Linearidade Assintótica e Teoremas do Limite Central: Demonstram que os estimadores mistos são assintoticamente lineares e seguem distribuições normais.
• Equivalência Assintótica: Mostram que, sob o novo quadro, os estimadores da média real e da CLP são assintoticamente equivalentes até à ordem $N_i^{-1/2}$.
• Expressões Simples para o MSE: Derivam expressões analíticas simples para o Erro Quadrático Médio assintótico (MSE) de predição. Diferentemente das aproximações complexas de Prasad & Rao, o MSE assintótico proposto é:
  $$MSE_{LW,i} \approx n_i^{-1} k_i \sigma_e^2$$
  Onde $k_i = (N_i - n_i)/N_i$.
• Intervalos de Predição: Com base na distribuição normal assintótica, constroem intervalos de predição simples que não exigem a suposição de normalidade dos dados, apenas das condições de momento do modelo.

3. Contribuições Chave

1. Novo Quadro Assintótico: Aplicação bem-sucedida de um quadro onde $g \to \infty$ e $n_L \to \infty$ à estimação de pequenas áreas, superando limitações teóricas do quadro de áreas fixas (como a falta de consistência e distribuições assintóticas desconhecidas).
2. Estimador de MSE Simplificado: Proposição de um estimador de MSE que é matematicamente mais simples, mais fácil de interpretar e computacionalmente mais leve do que o estimador de Prasad & Rao (1990), mantendo ou superando o seu desempenho.
3. Distinção Clara entre Alvos: Análise rigorosa das diferenças entre estimar a média finita da área ($\bar{y}_i$) versus a expectativa condicional ($\eta_i$), mostrando que, embora os estimadores sejam assintoticamente equivalentes, as suas propriedades de viés e variância podem diferir em amostras finitas.
4. Análise Baseada em Design vs. Modelo: Investigação profunda das propriedades dos estimadores mistos sob uma perspetiva baseada em design (amostragem de uma população fixa), revelando comportamentos inesperados que não são capturados pela teoria puramente baseada em modelos.

4. Resultados

Simulações Baseadas em Modelo

• Foram realizadas simulações com tamanhos de área variando de 40 a 633 unidades e número de áreas de 15 a 50.
• Cobertura e Comprimento: Os intervalos de predição propostos (LW) apresentaram coberturas empíricas próximas do nível nominal (95%) e comprimentos relativos adequados, mesmo em amostras finitas pequenas.
• Comparação com Prasad & Rao (PR): O estimador de MSE proposto (LW) performou tão bem ou melhor que o PR, mas com intervalos menos conservadores (mais estreitos) quando o PR tendia a superestimar o erro. O estimador PR foi consistentemente mais conservador (intervalos mais largos).

Simulação Baseada em Design (Dados Reais)

Utilizando dados de despesas de consumo em produtos de leite fresco (EUA, 2002):

• Descoberta Surpreendente: Em certos estados (áreas) com efeitos aleatórios extremos (EBLUPs grandes) e tamanhos de amostra moderados, os intervalos de predição baseados no modelo falharam em atingir a cobertura nominal, mesmo quando o modelo estava corretamente especificado.
• Explicação: A falha ocorre porque, no quadro baseado em design, os efeitos aleatórios são fixos. Áreas com efeitos extremos são difíceis de estimar precisamente. O estimador PR, ao ser mais conservador (maior MSE), às vezes compensou a viés de design, enquanto o estimador LW, mais preciso sob o modelo, falhou em cobrir a verdade devido à subestimação da variabilidade de design.
• Conclusão da Simulação: Para inferência baseada em design, é crucial considerar se os efeitos aleatórios devem ser tratados como fixos ou aleatórios. Quando o objetivo é inferência baseada em design, tratar os efeitos como fixos (usando mínimos quadrados com restrições) pode melhorar o desempenho dos intervalos.

5. Significância e Conclusão

Este artigo preenche lacunas teóricas e práticas importantes na estimação de pequenas áreas:

• Teórica: Fornece fundamentos assintóticos rigorosos para estimadores mistos comuns, permitindo a construção de intervalos de predição válidos sem assumir normalidade estrita.
• Prática: Oferece uma alternativa simples e robusta ao complexo estimador de Prasad & Rao, facilitando a implementação e interpretação em aplicações reais.
• Insight Metodológico: A análise baseada em design revela que as propriedades de estimadores mistos podem diferir drasticamente dependendo se a inferência visa o modelo (população infinita) ou o design (população finita fixa). Isso alerta os praticantes para a necessidade de validar a cobertura de intervalos em contextos específicos, especialmente quando existem áreas com características extremas.

Em suma, o trabalho valida a utilidade de métodos baseados em modelos mesmo em amostras finitas, mas adverte sobre as armadilhas ao aplicar esses métodos para inferência baseada em design sem considerar a estrutura fixa da população.