处理无回答的二级抽样方法

无回答是抽样调查中较常见,也是较难处理的一个问题。本文意在介绍传统二级抽样调查方法和贝叶斯二级抽样调查方法在处理无回答问题过程中的应用,并对两者的异同作了简略的概述。     

非抽样误差函数的构建——基于不完备抽样框下无回答误差的讨论

抽样调查中,使用不完备的抽样框及存在无回答单元是产生非抽样误差的两类主要原因。运用概率统计方法,分析抽样调查中使用三类不完备抽样框且存在无回答单元时对估计误差的影响,尝试构建基于不完备抽样框及无回答共存时的非抽样误差函数,为抽样调查中非抽样误差的定量分析与控制提供依据。     

双重抽样框下项目无回答插补估计方法研究

抽样调查工作中无回答情形不可避免,双重抽样框下亦如此,因此需要对双重抽样框下抽样调查项目无回答造成的估计量偏差进行纠偏校正。首先通过二重抽样获取辅助变量的信息,使用其构造比率估计量与比率型指数估计量的组合估计量对双重抽样框下抽样调查中项目无回答数据进行插补,得到对应各部分子总体的均值估计,再用Hartley估计量的形式对总体总值进行估计。通过计算估计量偏差、均方误差及最优权重系数,对比相同条件下完全回答时同类型组合估计量均方误差的相对精度损失与使用单一比率型指数估计量的相对精度损失,随机模拟结果显示损失率较低,插补方法有效。选择合适的辅助变量构造比率估计量和比率型指数估计量的组合估计量做插补值,更充分利用辅助变量和已回答研究变量信息,基于提出的组合估计量于抽样调查工作具有一定的应用价值。     

抽样调查中单元无回答处理方法的选择与改进

在抽样调查中,无回答对于抽样推断的影响较大,尤其是单元无回答。通过增加样本容量来处理单元无回答的方式不能从本质上解决问题,而在二重抽样的基础上再实施复杂估计的思路可以有效地提高抽样估计的精度。     

抽样调查中无回答误差控制的研究

本文对抽样调查中无回答误差的控制进行了深刻的研究,并提出了一系列事前预防和事后补救的措施。     

无回答加权调整中的回答率模拟研究

加权调整属于处理无回答的事后调整方法,文章列举了权数调整中计算回答率的两种方式,并从回答率入手,利用统计模拟的方法找出了在MCAR和CDM数据缺失机制下,回答率的不同计算方法和不同取值对估计效果的影响。     

抽样调查中有效控制无回答误差的措施

抽样调查中,无回答会造成调查数据的失真,甚致导致抽样调查的失败,因此分析无回答误差产生的原因并讨论对其有效控制的措施具有重要的理论意义和现实意义。文章分析了无回答产生的原因和对调查结果产生的影响,并根据无回答产生的原因和无回答误差的构成,提出了预防措施和调整办法,其目的是降低无回答率,提高调查数的可靠性和有效性。     

用加权调整法对无回答问题进行调整

无回答问题是抽样调查中较难处理的问题之一。无回答偏差是非抽样误差的一个重要来源,本文对无回答的统计影响进行了具体分析,并详细介绍了如何运用加权调整法对无回答偏差进行调整。     

如何处理调研中的无回答问题

在市场调研中,无回答现象是调研人员经常遇到的问题,而调研人员则必须决定如何分析和解决这一问题,对这一问题的不同看法代表了对数据质量的不同认识。本文就此问题进行了阐述。     

项目无回答的预防和补救

项目无回答和单位无回答一样,会产生无回答偏差,使估计量方差增大,降低估计精度。本文详细分析了项目无回答产生的原因,提出了解决问题的办法,一是采取预防措施,降低项目无回答;二是对缺失值用替代法和推算法来补救。     

基于局部多项式回归方法的抽样估计

在辅助信息可利用的情况下,文章研究了有限总体总值的估计问题。首先回顾了Horvitz-Thompson估计量和广义回归估计量;然后指出当辅助变量与研究变量不满足经典线性回归模型假设时,可建立非参数回归模型,运用局部多项式回归估计的方法进行估计;最后,引入了一个实际例子,并对估计结果进行了比较。     

轮换样本抽样下的回归估计

轮换样本抽样是一种较新的抽样方法，它可克服固定样本抽样的缺点，而且在一定程度上可节省调查时间和经费。对轮换样本进行回归估计可充分利用前期样本的资料，通过提高前后期样本的相关系数和控制样本的轮换单位数来减小由样本推断总体的估计方差，轮换样本单位数少于原样本单位数的一半时，轮换样本单位数越多，估计精度越高，当轮换样本单位数是原样本单位数的一半时估计精度最高     

浅议问卷调查中的无回答及其权数调整方法

本文论述了问卷调查中无回答的概念、种类、产生原因及对调查结果的影响,并介绍了对无回答进行权数调整的方法。     

基于经验加权方法的无回答问题研究

文章研究了利用多阶模型中的空模型和经验加权方法估计无回答问题的方法,并且重点研究了经验加权方法。文章采用2007年广东省城镇住户调查的消费性支出数据进行实证分析,实证结果表明,经验加权方法在对存在无回答的层均值进行估计时,无论是估计的误差率还是稳定性都优于多阶模型方法。     

基于回答随机性下的总体均值的估计

无回答的产生,对抽样调查结果的可信性产生了一定的影响,这引起了许多统计学者的关注.但至今仍未能找到一个比较满意的处理无回答的方法.现行的主要一些无回答处理方法,都侧重于事后对无回答数据本身的补救.文章则主要着眼于受访者的回答概率,在随机性回答下,给出了总体均值的一个估计.通过事先对总体均值给出一个大体的水平值,或者叫经验值;然后估计均值与这一水平的差距;最后在一定范围内改变这一水平值,减小了估计的方差.     

抽样调查中无回答对统计的影响及误区的控制

无回答误差是非抽样误差的一个重要来源。本文对无回答对统计的影响进行了具体分析,并针对目前经常采用的控制无回答的方法误区进行了剖析。     

调查问卷选项无回答率的SAS程序实现

综合性社会调查项目中,选项无回答率的高低,是评价问卷调查数据质量、问卷题目难易程度以及访问员调查工作质量的重要标准。文章基于选项无回答率的一般计算公式,给出了计算问卷中选项的平均无回答率和选项在全部问卷上的平均无回答率两个SAS实现程序,并归纳了程序的编写思路和技巧。     

对“无回答”概念的澄清及进一步理解

在市场调查中 ,经常会出现无法从需要的样本中获得有效数据的问题。长期以来 ,国内外一些学者对此问题做了大量的工作及不懈的努力 ,并取得了一定的成果。但笔者发现在这一领域一直存在着一些对该问题的不同描述及定义。本文拟对概念予以澄清 ,并阐述自己的理解 ,希望能对这一领域的研究有所帮助。在一些文献中 ,国外一些学者称之为“无回答”（Ｎｏｎｒｅｓｐｏｎｓｅ） ;另外一些学者和学术组织对这一问题另有不同称法 ,如 ,Ｚａｒｋｏｖｉｃｈ（１９６６）、Ｆｏｒｄ（１９８３）称之为“缺失数据”（ＭｉｓｓｉｎｇＤａｔａ） ,隶属于全…