Object's details: Proposition of Applying k-Means Classification Method and the SOM Type Neural Network to Improve the Efficiency of Small Domains Estimation in a Representative Study of Small and Medium-Sized Enterprises

Provider:Repozytorium Uniwersytetu Łódzkiego

Description

Title:
Proposition of Applying k-Means Classification Method and the SOM Type Neural Network to Improve the Efficiency of Small Domains Estimation in a Representative Study of Small and Medium-Sized Enterprises
Creator:
Jurkiewicz, Tomasz;
Najman, Krzysztof
Contributor:
University of Gdańsk, Chair of Statistics
Description:
Problem zbyt małej liczby obserwacji w próbie, reprezentującej określoną domenę populacji, może być rozwiązany między innymi poprzez zastosowanie takich estymatorów, które do szacowania parametrów w określonej supopulacji (małym obszarze, domenie) mogłyby wykorzystać informacje o innych jednostkach w próbie, które pochodzą spoza określonej części populacji. Jedna z metod estymacji dla małych domen zwana estymacją syntetyczną zakłada, że rozkład w badanej małej domenie jest identyczny z rozkładem całej populacji. Założenie to pozostaje zazwyczaj niespełnione, zwłaszcza w przypadku specyficznych domen, co skutkuje dużymi błędami estymacji. Autorzy przedstawiają propozycję dwuetapowego procesu estymacji. W pierwszym etapie za pomocą sieci neuronowych typu SOM oraz za pomocą metody klasyfikacji k-średnich określa się podobieństwa jednostek należących do małej domeny do jednostek z pozostałej części próby. Drugim krokiem jest wykorzystanie w estymacji, za pomocą odpowiednio skonstruowanych wag, informacji tylko z tych domen, które są podobne do badanej małej domeny. Autorzy przedstawiają rezultaty zastosowania podanej procedury w analizie branży budowlanej na podstawie wyników reprezentacyjnego badania małych i średnich przedsiębiorstw. Podjęli także próbę oszacowania błędów tak zmodyfikowanej metody estymacji syntetycznej.;
The problem of a too small number of observations of a sample, representing a defined domain of a population may be solved inter alia thanks to the application of estimators which would use information about other components of the sample (derived from outside the defined part of the population) to estimate parameters in a given subpopulation (small area, domain). One of estimation methods for small domains - the synthetic estimation - assumes, that the distribution of the studied small domain is identical with the distribution of the whole population. This assumption remains usually unfulfilled, in particular in case of specific domains, what results in large estimation errors. The authors present a proposition of two-stage estimation process. In the first stage, using the SOM-type neural networks and using the k-means classification method the similarity of components belonging to the small domain with the components belonging to the remaining part of the sample is determined. The second step consists in using the information only from those domains, which are similar to the studied small domain with the help of appropriately construed weights. Authors present the results of the above procedure in the analysis of the building industry on the basis of a representative study of small and medium-sized enterprises. They have also undertaken an attempt to estimate the errors of the synthetic estimation method modified in such a way.;
Zadanie pt. „Digitalizacja i udostępnienie w Cyfrowym Repozytorium Uniwersytetu Łódzkiego kolekcji czasopism naukowych wydawanych przez Uniwersytet Łódzki” nr 885/P-DUN/2014 zostało dofinansowane ze środków MNiSW w ramach działalności upowszechniającej naukę.
Object availability:
free access
Rights:
© Copyright by Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2005
Date:
2016.04.25;
2005
Type:
Article
Language:
English
Format:
application/pdf
Publisher:
Wydawnictwo Uniwersytetu Łódzkiego
Relation:
Acta Universitatis Lodziensis. Folia Oeconomica;194
Subject:
small domain estimation;
classification methods;
neural networks
Identifier:
0208-6018;
http://hdl.handle.net/11089/17865
Data provider:
Repozytorium Uniwersytetu Łódzkiego

Similar objects

Proposition of Applying k-Means Classification Method and the SOM Type Neural Network to Improve the Efficiency of Small Domains Estimation in a Representative Study of Small and Medium-Sized Enterprises

Creator:Jurkiewicz, Tomasz | Najman, Krzysztof

Date:2016.04.25 | 2005

Type:image

An Influence of Classification Method on Efficiency of Modified Synthetic Estimator

Creator:Jurkiewicz, Tomasz | Najman, Krzysztof

Date:2016.03.25 | 2006

Type:image

Correlation among variables and methods of establishing weights of sample units. Monte Carlo analysis of the modified synthetic estimator

Creator:Jurkiewicz, Tomasz

Date:2016.01.02 | 2008

Type:image

Multidimensional smoothing in tables of fertility rates

Creator:Jurkiewicz, Tomasz

Date:2012.06.05 | 2011

Type:image

An Influence of Distance Measure Among Sample Units on Efficiency of the Modified Synthetic Estimator : Monte Carlo Analysis

Creator:Jurkiewicz, Tomasz

Date:2015.04.03 | 2009

Type:image

Efficiency of the Modified Synthetic Estimator - Monte Carlo Analysis

Creator:Jurkiewicz, Tomasz

Date:2015.03.06 | 2009

Type:image

Classification of Dermatological Asymmetry of the Skin Lesions using Pretrained Convolutional Neural Networks

Creator:Beczkowski, Michał | Borowski, Norbert | Milczarski, Piotr

Date:2021.12.21 | 2021

Type:sound

Application of Discriminant Analysis and Neural Networks to Forecasting the Financial Standing of Farms

Creator:Kisielińska, Joanna

Date:2015.04.03 | 2009

Type:image

Federacja Bibliotek Cyfrowych

Object's details: Proposition of Applying k-Means Classification Method and the SOM Type Neural Network to Improve the Efficiency of Small Domains Estimation in a Representative Study of Small and Medium-Sized Enterprises

Description

Similar objects