Słownik metodologiczny · Dobór próby

Estymacja dla małych obszarów: estymator złożony i model Faya–Herriota

Estymacja dla małych obszarów pozwala szacować wyniki dla powiatów czy gmin, w których próba jest za mała. Wyjaśniamy estymator złożony, wagę γ, model Faya–Herriota i związek z modelem wielopoziomowym.

Strona główna / Słownik / Estymacja dla małych obszarów
W skrócie: Estymacja dla małych obszarów (SAE) to metody szacowania wyników dla obszarów lub podgrup z małą próbą. Estymator złożony łączy oszacowanie bezpośrednie z syntetycznym z modelu, z wagą tym mniejszą, im mniej precyzyjne jest oszacowanie bezpośrednie.

Co to jest estymacja dla małych obszarów?

Estymacja dla małych obszarów (ang. small area estimation, SAE) to zbiór metod szacowania średnich, odsetków lub sum dla powiatów, gmin czy wąskich podgrup, w których próba z badania ogólnokrajowego jest zbyt mała. Oszacowanie bezpośrednie, czyli średnia z kilku ankiet w powiecie, ma wtedy ogromny błąd standardowy. Rao i Molina (2015) opisują estymatory pośrednie, które „pożyczają siłę” z innych obszarów lub okresów i w ten sposób zwiększają efektywną liczebność próby. Dzielą modele na obszarowe (oszacowanie bezpośrednie a zmienne pomocnicze obszaru) i jednostkowe (wartości osób a ich cechy).

Jak to działa

Estymator złożony łączy oszacowanie bezpośrednie z syntetycznym, przewidzianym z regresji na zmiennych pomocniczych znanych dla wszystkich obszarów (spis, rejestry): θ̂i = γi·bezpośredni + (1 − γi)·syntetyczny, gdzie γi = σ²u/(σ²u + ψi). Im większa wariancja oszacowania bezpośredniego ψi, tym silniej wynik jest ściągany do części syntetycznej. Fay i Herriot (1979) zastosowali adaptację estymatora Jamesa–Steina z regresją przy nierównych wariancjach do dochodów w miejscowościach poniżej 1000 mieszkańców ze spisu z 1970 roku. Nowe oszacowania miały mniejszy przeciętny błąd niż oszacowania z próby i niż średnie hrabstw. To ten sam mechanizm ściągania co w modelu wielopoziomowym z losowym efektem obszaru (zob. efekty stałe i losowe).

Przykład

W 20 symulowanych powiatach liczba ankiet wynosi od 5 do 150. Wariancję efektów powiatów oszacowano metodą REML: σ²u = 9.04 (w symulacji prawdziwa wartość to 4). Przy n = 5 waga γ wynosi 0.31: oszacowanie bezpośrednie 36.04 przesuwa się do 30.95 przy prawdziwej wartości 31.55. Przy n = 150 (γ = 0.93) zmiana jest niewielka: z 32.58 na 32.44. Pierwiastek z błędu średniokwadratowego dla 20 powiatów spada z 3.77 do 1.42.

Na rysunku

Rysunek pokazuje 20 powiatów z przykładu (set.seed(670)): jak estymator złożony przesuwa oszacowania bezpośrednie i co to daje dla błędu.

Dwa panele. Panel A: dla 20 powiatów oszacowanie bezpośrednie (kółko), złożone (trójkąt) i prawdziwa średnia (krzyżyk) względem odsetka osób 65+, z przerywaną prostą regresji jako częścią syntetyczną; strzałki prowadzą od kółek do trójkątów i są najdłuższe tam, gdzie kółko leży daleko od prostej. Panel B: błąd bezwzględny obu oszacowań według liczby ankiet w powiecie; przy 5 ankietach średni błąd spada z 5.74 do 1.41, przy 150 ankietach oba błędy są bliskie zera.
Rysunek 1. Oszacowania bezpośrednie i złożone w 20 powiatach na tle części syntetycznej (A) oraz ich błąd bezwzględny według liczby ankiet (B). Obliczenia: R, pakiety sae, ggplot2 i patchwork (dane symulowane, set.seed(670)).

Co widać. W panelu A strzałka prowadzi od oszacowania bezpośredniego do złożonego, zawsze w stronę przerywanej prostej, czyli części syntetycznej. Długość strzałki zależy od dwóch rzeczy: jak daleko kółko leży od prostej i jak mała jest waga γ. W 7 powiatach z 5 ankietami (γ = 0.31) oszacowanie przesunęło się średnio o 5.01 punktu, a w powiecie ze 150 ankietami (γ = 0.93) tylko o 0.14. Panel B pokazuje, co to daje. Przy 5 ankietach średni błąd bezwzględny spadł z 5.74 do 1.41, a przy 50 ankietach z 1.01 do 0.45. Łącznie estymator złożony był bliżej prawdy w 15 z 20 powiatów.

Na co uważać. Zysk jest przeciętny, nie gwarantowany dla każdego powiatu. W grupie z 10 ankietami średni błąd złożonego był nawet trochę większy (1.22 wobec 1.08). Powiat, który naprawdę odbiega od prostej, zostanie do niej przyciągnięty, a jego odrębność zginie. Rysunek nie pokazuje też niepewności: przy każdym oszacowaniu warto podać MSE z mseFH(). W prawdziwych danych nie widać krzyżyków, więc nie da się w ten sposób sprawdzić błędu. Ten sam mechanizm w modelu mieszanym, ze ściąganiem do średniej ogólnej zamiast do prostej, pokazuje wpis Model mieszany w obrazkach.

Podpis do pracy:

Rysunek 1. Oszacowania bezpośrednie i oszacowania z modelu Faya–Herriota dla 20 powiatów (A) oraz błąd bezwzględny obu oszacowań według liczby ankiet w powiecie (B). Uwaga. Linia przerywana oznacza część syntetyczną (regresja na odsetku osób w wieku 65+); strzałki pokazują przesunięcie oszacowania bezpośredniego. Poziome kreski w panelu B to średni błąd w grupie powiatów.

Kod rysunku jest samowystarczalny. Rysunek na stronie powstał z tego samego kodu, w którym podmieniono tylko motyw (krój czcionki, siatka).

Kod R rysunku 1
# Rysunek 1. Kurczenie oszacowań bezpośrednich do części syntetycznej w modelu Faya–Herriota
suppressPackageStartupMessages({library(sae); library(ggplot2); library(patchwork)})

kol <- c("bezpośrednie" = "#D55E00", "złożone" = "#0072B2", "prawdziwa wartość" = "#000000")  # Okabe–Ito
motyw <- theme_minimal(base_size = 13) +
  theme(panel.grid.minor = element_blank(), legend.position = "bottom",
        plot.title = element_text(face = "bold", size = rel(0.95)))

set.seed(670)                                    # te same dane co w przykładzie w haśle
m <- 20
x <- round(runif(m, 20, 60))
theta <- 10 + 0.5 * x + rnorm(m, 0, 2)
n <- sample(c(5, 10, 20, 50, 150), m, replace = TRUE)
psi <- 10^2 / n
y_dir <- theta + rnorm(m, 0, sqrt(psi))
fh <- eblupFH(y_dir ~ x, vardir = psi, method = "REML")
s2u <- fh$fit$refvar
gamma <- s2u / (s2u + psi)
beta <- coef(lm(y_dir ~ x, weights = 1 / (s2u + psi)))
synt <- beta[1] + beta[2] * x                    # część syntetyczna
y_zl <- gamma * y_dir + (1 - gamma) * synt       # estymator złożony
d <- data.frame(x, n, theta, y_dir, y_zl, gamma,
                bl_dir = abs(y_dir - theta), bl_zl = abs(y_zl - theta))
# Średnio w grupach powiatów o tej samej liczbie ankiet: waga γ, przesunięcie i błędy bezwzględne
sr <- aggregate(cbind(gamma, przesuniecie = abs(y_zl - y_dir), bl_dir, bl_zl) ~ n, d, mean)
print(cbind(powiaty = as.vector(table(d$n)), round(sr, 2)), row.names = FALSE)
c(powiaty_blizej_prawdy = sum(d$bl_zl < d$bl_dir), z = m)

# Panel A: strzałki od oszacowania bezpośredniego do złożonego
pA <- ggplot(d, aes(x)) +
  geom_abline(intercept = beta[1], slope = beta[2], colour = "grey50", linetype = "dashed") +
  geom_segment(aes(y = y_dir, yend = y_zl, xend = x), colour = "grey45",
               arrow = arrow(length = unit(0.14, "cm"), type = "closed")) +
  geom_point(aes(y = y_dir, colour = "bezpośrednie", shape = "bezpośrednie"), size = 2.6) +
  geom_point(aes(y = y_zl, colour = "złożone", shape = "złożone"), size = 2.6) +
  geom_point(aes(y = theta, colour = "prawdziwa wartość", shape = "prawdziwa wartość"), size = 2.4) +
  scale_colour_manual(NULL, values = kol) +
  scale_shape_manual(NULL, values = c("bezpośrednie" = 16, "złożone" = 17, "prawdziwa wartość" = 4)) +
  labs(title = "A. Oszacowania w 20 powiatach", x = "Zmienna pomocnicza (% osób 65+)",
       y = "Średnia w powiecie", caption = "Linia przerywana: część syntetyczna (regresja)") + motyw

# Panel B: błąd bezwzględny obu oszacowań a liczba ankiet w powiecie
dB <- rbind(data.frame(n = d$n, blad = d$bl_dir, typ = "bezpośrednie"),
            data.frame(n = d$n, blad = d$bl_zl, typ = "złożone"))
pB <- ggplot(dB, aes(factor(n), blad, colour = typ, shape = typ)) +
  geom_point(size = 2.6, position = position_dodge(width = 0.5)) +
  stat_summary(fun = mean, geom = "crossbar", width = 0.4, linewidth = 0.3,
               position = position_dodge(width = 0.5), show.legend = FALSE) +
  scale_colour_manual(NULL, values = kol[1:2]) + scale_shape_manual(NULL, values = c(16, 17)) +
  labs(title = "B. Błąd oszacowania", x = "Liczba ankiet w powiecie",
       y = "|oszacowanie − prawdziwa wartość|", caption = "Poziome kreski: średni błąd w grupie powiatów") + motyw
p1 <- pA | pB
p1
Wynik w R
 powiaty   n gamma przesuniecie bl_dir bl_zl
       7   5  0.31         5.01   5.74  1.41
       7  10  0.47         0.76   1.08  1.22
       2  20  0.64         0.65   1.80  1.15
       3  50  0.82         0.56   1.01  0.45
       1 150  0.93         0.14   0.19  0.05
powiaty_blizej_prawdy                     z 
                   15                    20 

Jak opisać w pracy

Średnie powiatowe oszacowano estymatorem złożonym w modelu obszarowym Faya–Herriota z odsetkiem osób w wieku 65+ jako zmienną pomocniczą; wariancję efektów powiatów oszacowano metodą REML (σ²u = 9.04). Waga oszacowania bezpośredniego wynosiła od 0.31 (n = 5) do 0.93 (n = 150).

Na co uważać

  • Model, nie losowanie. Estymator złożony jest obciążony dla pojedynczego obszaru; zyskuje na średnim błędzie, a jakość zależy od zmiennych pomocniczych.
  • Szacuj σ²u i MSE. W praktyce wariancję efektów szacuje się z danych (np. REML), a błąd średniokwadratowy podaje dla każdego obszaru. Oszacowania bezpośrednie liczy się zwykle estymatorem Horvitza–Thompsona z wagami doboru.
Przykład reprodukowalny

Estymator złożony w R

Kod symuluje 20 powiatów, liczy część syntetyczną regresją ważoną i estymator złożony z wariancją efektów oszacowaną funkcją sae::eblupFH() (REML). Obliczenie ręczne daje to samo co eblupFH(), a mseFH() podaje MSE dla każdego powiatu. Liczby w tekście pochodzą z tego kodu.

Oszacowanie bezpośrednie, waga γ i estymator złożony

Dane wejściowe: 20 symulowanych powiatów, od 5 do 150 ankiet, SD w powiecie = 10, prawdziwe σ²u = 4.

Co odczytać: oszacowane σ²u = 9.04, kolumna gamma – waga oszacowania bezpośredniego, MSE – błąd średniokwadratowy z mseFH(); RMSE_bezposr = 3.77, RMSE_zlozony = 1.42.

R
set.seed(670)
m <- 20                                          # 20 powiatów (dane symulowane)
x <- round(runif(m, 20, 60))                     # zmienna pomocnicza z rejestru, np. % osób 65+
theta <- 10 + 0.5 * x + rnorm(m, 0, 2)           # prawdziwa średnia w powiecie
n <- sample(c(5, 10, 20, 50, 150), m, replace = TRUE)   # liczba ankiet w powiecie
psi <- 10^2 / n                                  # wariancja oszacowania bezpośredniego (SD = 10)
y_dir <- theta + rnorm(m, 0, sqrt(psi))          # oszacowanie bezpośrednie (średnia z próby)
library(sae)
fh <- eblupFH(y_dir ~ x, vardir = psi, method = "REML")   # model Faya–Herriota, σ²u szacowane metodą REML
s2u <- fh$fit$refvar                             # wariancja efektów powiatów (w symulacji prawdziwa: 4)
round(s2u, 2)
w <- 1 / (s2u + psi)
beta <- coef(lm(y_dir ~ x, weights = w))         # część syntetyczna: regresja ważona
synt <- beta[1] + beta[2] * x
gamma <- s2u / (s2u + psi)                       # waga oszacowania bezpośredniego
y_zl <- gamma * y_dir + (1 - gamma) * synt       # estymator złożony – ręcznie
all.equal(y_zl, fh$eblup[, 1], check.attributes = FALSE)   # TRUE: to samo co eblupFH()
mse <- mseFH(y_dir ~ x, vardir = psi)$mse        # błąd średniokwadratowy dla każdego powiatu
tab <- data.frame(n, prawda = theta, bezposr = y_dir, gamma, zlozony = y_zl, MSE = mse)
print(round(tab[order(tab$n), ][c(1:3, 18:20), ], 2), row.names = FALSE)
round(c(RMSE_bezposr = sqrt(mean((y_dir - theta)^2)),
        RMSE_zlozony = sqrt(mean((y_zl - theta)^2))), 2)
Wynik w R
[1] 9.04
[1] TRUE
   n prawda bezposr gamma zlozony  MSE
   5  31.55   36.04  0.31   30.95 7.59
   5  16.31    9.23  0.31   17.22 9.32
   5  33.60   39.36  0.31   34.20 7.61
  50  31.76   30.69  0.82   31.49 1.87
  50  25.29   25.04  0.82   25.19 1.86
 150  32.39   32.58  0.93   32.44 0.65
RMSE_bezposr RMSE_zlozony 
        3.77         1.42 

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (pakiet sae: eblupFH(), mseFH()). Rysunek 1 przygotowano w pakietach ggplot2 i patchwork. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. sae (wersja 1.4): Molina, I., & Marhuenda, Y. (2026). sae: Small area estimation (R package version 1.4) [Computer software]. https://doi.org/10.32614/CRAN.package.sae
  3. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  4. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze pytania

Czy estymacja dla małych obszarów to to samo co model wielopoziomowy?

Model Faya–Herriota zawiera losowy efekt obszaru, więc jest bliski modelowi wielopoziomowemu. Różni je cel: SAE służy do przewidywania wartości dla konkretnych obszarów, a nie do szacowania efektów predyktorów.

Kiedy wystarczy oszacowanie bezpośrednie dla obszaru?

Gdy próba w obszarze jest na tyle duża, że błąd standardowy mieści się w przyjętym progu precyzji. Wtedy waga γ jest bliska 1 i estymator złożony niewiele zmienia.

Skąd wziąć zmienne pomocnicze do modelu małych obszarów?

Z danych znanych dla wszystkich obszarów, np. ze spisu powszechnego, rejestrów administracyjnych lub Banku Danych Lokalnych GUS. Muszą być mierzone jednakowo w każdym obszarze i silnie związane z badaną cechą.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Fay, R. E., & Herriot, R. A. (1979). Estimates of income for small places: An application of James–Stein procedures to census data. Journal of the American Statistical Association, 74(366a), 269–277. https://doi.org/10.1080/01621459.1979.10482505
  2. Rao, J. N. K., & Molina, I. (2015). Small area estimation. Wiley. https://doi.org/10.1002/9781118735855

Cytowania BibTeX

@article{fay1979estimates, author={Fay, Robert E. and Herriot, Roger A.}, title={{Estimates of income for small places: An application of James–Stein procedures to census data}}, journal={Journal of the American Statistical Association}, year={1979}, volume={74}, number={366a}, pages={269--277}, doi={10.1080/01621459.1979.10482505}}
@book{rao2015small, author={Rao, J. N. K. and Molina, Isabel}, title={{Small area estimation}}, year={2015}, publisher={Wiley}, doi={10.1002/9781118735855}}
R