Unifying small area estimators based on area-level and unit-level models through calibration

1. Problema e Contexto

O artigo aborda o desafio da Estimação em Áreas Pequenas (SAE), especificamente a estimativa de médias de áreas ($\mu_d$) quando o tamanho da amostra em certas áreas ($n_d$) é pequeno.

• Estimadores Diretos: Baseados apenas nos dados da área específica, são consistentes sob o plano de amostragem, mas frequentemente ineficientes (alta variância) quando $n_d$ é pequeno.
• Modelos de Nível de Área (Fay-Herriot - FH): Utilizam dados agregados e "emprestam força" de outras áreas através de efeitos aleatórios. Embora forneçam estimadores consistentes, assumem que as variâncias dos erros de amostragem ($\psi_d$) são conhecidas. Na prática, essas variâncias são estimadas a partir dos dados da própria área (variâncias diretas), o que introduz alta variabilidade amostral, especialmente em áreas pequenas. A incerteza dessa estimativa de variância é frequentemente ignorada nos estimadores de Erro Quadrático Médio (EQM), levando a uma subestimação do EQM real e a ganhos de eficiência inflacionados.
• Modelos de Nível de Unidade (Battese-Harter-Fuller - BHF): Utilizam dados individuais e não exigem o conhecimento prévio das variâncias de amostragem. No entanto, os estimadores tradicionais baseados no modelo BHF ignoram o plano de amostragem (pesos), não sendo consistentes sob o desenho amostral à medida que $n_d$ cresce.

2. Metodologia Proposta

Os autores propõem um estimador unificado que integra as vantagens dos modelos de nível de área e de nível de unidade através de calibração de pesos.

• Calibração de Pesos: Os pesos de amostragem originais ($w_{di}$) são calibrados para satisfazer restrições de totais populacionais conhecidos das variáveis auxiliares em cada área ($X_d$). Isso gera novos pesos calibrados ($w^C_{di}$).
• Unificação dos Modelos:
  • Ao agregar o modelo BHF de nível de unidade utilizando os pesos calibrados, obtém-se um modelo de nível de área (FH) onde as variâncias dos erros de amostragem ($\psi_d$) não são tratadas como parâmetros desconhecidos e independentes, mas sim especificadas em função de um único parâmetro de variância de erro de unidade ($\sigma^2_e$).
  • A especificação da variância torna-se: $\psi_d(\sigma^2_e) = \sigma^2_e N_d^{-2} \sum_{i \in s_d} (w^C_{di})^2$.
  • Isso permite estimar consistentemente as variâncias de erro à medida que o número de áreas ($D$) aumenta, utilizando dados de nível de unidade ou, se indisponíveis, dados agregados de nível de área.
• Estimadores Propostos:
  • $\hat{\mu}^U_d$ (Unificado com dados de unidade): Usa dados de nível de unidade para estimar todos os parâmetros ($\beta, \sigma^2_u, \sigma^2_e$).
  • $\hat{\mu}^{UA}_d$ (Unificado com dados de área): Usa apenas dados agregados de nível de área para estimar os parâmetros, mantendo a especificação correta da variância.
  • Ambos os estimadores são consistentes sob o desenho de amostragem (assim como o FH tradicional) e mais eficientes que o BHF tradicional.

3. Estimadores de Erro Quadrático Médio (EQM)

Um ponto crucial da metodologia é a proposta de estimadores de EQM via Bootstrap Paramétrico:

• Os estimadores analíticos tradicionais (como o de Prasad-Rao) frequentemente ignoram a incerteza decorrente da estimação das variâncias de erro ($\psi_d$).
• Os autores desenvolvem procedimentos de bootstrap paramétrico que simulam a geração de novos dados baseados nos parâmetros estimados, recalculando os estimadores e as variâncias em cada iteração.
• Isso permite capturar a incerteza adicional introduzida pela estimação de $\sigma^2_e$ e $\sigma^2_u$, fornecendo estimativas de EQM consistentes e mais precisas, especialmente para áreas com amostras muito pequenas.
• Também é proposta uma correção para o estimador de Prasad-Rao, adicionando um termo de ajuste baseado na diferença entre o bootstrap e o estimador analítico.

4. Resultados Principais

Os resultados foram validados através de experimentos de simulação de Monte Carlo e aplicação em dados reais.

• Simulações:
  • Eficiência: Os estimadores unificados ($\hat{\mu}^U_d$ e $\hat{\mu}^{UA}_d$) apresentaram desempenho superior (menor viés relativo e menor Raiz do Erro Quadrático Médio - RRMSE) em comparação com o estimador FH tradicional ($\hat{\mu}^{FHD}_d$) que usa variâncias diretas instáveis.
  • Áreas Pequenas: Para áreas com tamanhos de amostra muito pequenos ($n_d \le 10$), o estimador FH tradicional tornou-se até menos eficiente que o estimador direto, devido à instabilidade das variâncias estimadas. Os estimadores unificados mantiveram a eficiência.
  • EQM: Os estimadores analíticos de EQM (Prasad-Rao) subestimaram severamente o EQM real para o estimador FH tradicional e superestimaram para o unificado. Os estimadores de EQM via bootstrap propostos rastrearam com precisão os EQMs verdadeiros em todas as situações, inclusive para amostras pequenas.
• Aplicação Real (Colômbia):
  • Utilizando dados do teste Saber 11 (matemática) de 33 departamentos da Colômbia.
  • Os estimadores unificados produziram estimativas de médias muito similares entre si (dados de unidade vs. dados de área), mas distintas e geralmente mais precisas que o estimador FH tradicional.
  • As estimativas de EQM para os métodos unificados foram significativamente menores e mais confiáveis do que as obtidas pelo método FH padrão.

5. Significado e Contribuições

• Unificação Teórica: O artigo demonstra teoricamente como o modelo de nível de área (FH) pode ser derivado corretamente do modelo de nível de unidade (BHF) através da agregação com pesos calibrados, resolvendo a dicotomia histórica entre consistência de desenho (FH) e especificação correta de variância (BHF).
• Solução para Variâncias Instáveis: Oferece uma solução elegante para o problema crônico da estimação de variâncias em modelos FH, eliminando a necessidade de suavização arbitrária ou tratamento de variâncias como conhecidas.
• Incerteza de Variância: Introduz uma abordagem robusta (bootstrap) para quantificar a incerteza total, incluindo a incerteza na estimação dos componentes de variância, algo que os métodos analíticos clássicos falham em fazer adequadamente.
• Flexibilidade Prática: O método unificado pode ser aplicado mesmo quando os dados de nível de unidade não estão disponíveis, bastando dados agregados, desde que a especificação da variância seja mantida.

Em resumo, o trabalho fornece um framework unificado que melhora a precisão das estimativas em áreas pequenas e a confiabilidade das medidas de erro associadas, sendo particularmente valioso para estatísticas oficiais em contextos de dados escassos.