Vorteile von Fay-Harriot
Varianz ist nicht stark von der Stichprobengröße der Areas abhängig
Verbesserung gegenüber Direkterschätzer (MSE)
auch für non-sampled areas
wenig Rechenzeit (Unit level)
nur aggregierte Daten -> keine Datenschutzprobleme
erklärt unerklärte heterogeneity über random Effekte
Nachteile von Fay-Harriot
parametrisch: Linearität ist ein Problem für nicht-lineare Indikatoren
nimmt Varianz vom Direktenschätzer als bekannt an
nicht Design unbiased
bracht evt. Benchmarking
Model wird nur über Sampled Areas gebaut
Vorteile Dirkterschätzung
Keine Modelannahmen
kann man mit Benchmarken
Nachteile Dirkterschätzung
vorspezifziertes Level of Interest
Stichprobengröße zu klein für Modelberechnung
keine Schätzung für out-of-sample domains
große Varianz bei kleinen Stichproben
Zuletzt geändertvor 4 Monaten