基于双重抽样框的抽样估计方法研究

 随着经济社会的快速发展,抽样调查中调查对象的流动日益频繁,传统的单一抽样框很难完整覆盖流动性的目标总体,如果一定要使单一抽样框实现完整覆盖,成本必定是高昂的,甚至由于编制过程漫长使抽样调查失去其时效性。有时采用两个不完整抽样框的组合可以实现对目标总体的完整覆盖。基于双重抽样框进行抽样调查,其抽样设计工作不难,但是由于样本在两个抽样框中存在交叉,致使抽样估计甚是困难。基于此,本文将系统评述目前国外已有的各种双重抽样框估计方法,将这些方法分为分离抽样框估计和组合抽样框估计两类,并按照统一的模式比较各估计方法的功效,文章最后对我国采用双重抽样框调查进行展望。     

多种抽样框误差的模型表示

在抽样调查中,总体分为目标总体和抽样总体。所谓目标总体是研究的对象,亦即通过抽样调查所要得到信息的总体3而抽样总体是从中抽取样本的总体,也就是抽样框,对目标总体进行推断的信息取自于抽样总体。理想的抽样框的标准是能够实现目标总体与抽样总体的一致。然而在实践中由于     

浅谈小型单位抽样框的编制

对大中型企业进行全面调查,对小型企业进行抽样调查已是目前我国统计调查制度改革的热点之一。小型企业进行抽样调查的关健在于抽样框的编制。全国基本单位普查资料为小型单位抽样框的建立提供了完备的基础资料。本文从抽样调查的要求出发,对利用普查资料建立抽样框提出一些看法。     

基于双重抽样框的二阶段抽样调查方法研究

由于被调查对象的频繁变动,单一抽样框很难覆盖所有的目标单位。为了克服单一抽样框覆盖不完全的缺陷,在各阶段抽样调查采用双重（或多重）抽样框是一种有效的办法。对双重抽样框下的二阶段抽样估计方法进行了研究,得出简单随机抽样下的总体总值估计及其估计量方差,并利用拉格朗日函数求出双重抽样框重叠部分的最优抽样权重系数及各抽样阶段不同子域的样本容量,分析结果可为实际部门在双重抽样框下进行二阶段抽样调查提供相关的理论基础。     

基于二阶段抽样的双重抽样框估计量设计

为了探究多阶段抽样情形下双重抽样框调查的估计量设计，文章对双重抽样框下的二阶段抽样估计方法进行了研究，得出了简单随机抽样下的总体总值估计及其估计量方差，对于更高阶段的抽样估计量设计，可以在二阶段的基础上扩展。文章所得的分析结果可为实际部门在双重抽样框下进行二阶段（或者多阶段）抽样调查提供相关的理论基础。     

基于多重抽样框的连续性抽样估计方法研究

多重抽样框可以解决单一抽样框难以完整覆盖流动性目标总体的难题,连续性抽样调查则可以获取变量的时序观测数据,对总体现象进行追踪调查。本文将多重抽样框调查与连续性抽样调查两种方法结合在一起进行研究,深入分析基于多重抽样框的连续性抽样估计方法。文章首先设计了连续性调查环境下总体结构变动表;然后,在简单随机抽样假定下的轮换样本调查情形开展研究,设计了14种参数缩减方法对构建的似然函数进行估计求解,并给出了估计量的迭代计算过程;最后,对本文的研究内容进行了总结与展望。     

收视率调查中抽样框误差的控制研究

调查中非抽样误差在所难免,而抽样框误差又是非抽样误差的主要来源之一,因此研究抽样框误差的控制成为保证收视率调查质量的关键.文章通过多年媒介调研的教学和实践,针对抽样框误差的来源及控制展开讨论,总结出一系列有效控制抽样框误差的方法,从而为提高收视率调查质量打下坚实基础.     

永久随机数法抽样技术中的抽样框问题探讨

抽样框的维护问题是连续抽样调查中不可忽略的问题，尤其是在对变化较快的总体进行抽样调查时，能否较好的实现抽样框的更新将是影响抽样调查的结果能否反映总体的关键问题。相对于传统的抽样方法，永久随机数法抽样技术有很多优良的，性质，可以有效地实现抽样框的更新就是其优势之一。本文从永久随机数法抽     

工业统计抽样框问题研究

我国自1996年底开始实施《工业统计定期抽样调查试点方案》迄今,虽已有两年余时间,但由于刚刚起步,仍有一些问题值得进一步研究,抽样框便是其中重要问题之一。一、目录抽样技术与抽样框目录抽样技术是一种当总体分布呈现明显的高度偏态特征时,对一部分单位（通常是标志值达到一定标准的单位）进行逐一全面凋查、对另一部分单位（通常是标志值在一定的标准以下的单位）进行抽样调查的统计调查方式。我国目前的工业统计定期抽样调查采用的就是这种方式,它规定：对全部国有工业企业及年销售收入在500万元以上的非国有工业企业进行逐一全…     

抽样框误差测量及其控制

我国在抽样理论和方法中,对抽样框误差的讨论并不多,且涉及定量分析的内容更少。故对抽样框误差进行量化分析有着重要的意义。本文将比较全面地分析抽样框误差,定量测定其对估计量的影响,并提出相对有效的调整控制方法。     

抽样框缺陷及误差控制

文章阐述了几种主要的抽样框缺陷,并提出通过辅助信息、比估计、域估计等方法来补救这些缺陷.     

规模以下工业抽样框要加强分层标志的维护

规模以下工业抽样框的分层标志是工业总产值（营业收入），标志值的变化将影响分层、层内离差、样本单位数，最终影响抽样推算精度。我们确定抽样方案后，是假定抽样框按某一趋势平稳变化的，这个假定条件与现实有较大差异，因此，必须加强工业总产值（营业收入）的审核和维护。 一、影响工业总产值（营业收入）变化的原因 １．企业自身的发展变化引起工业总产值（营业收入）的增大或减少。这一因素引起的变化通常有比较稳定的趋势，因为在较短的生产周期（比如一年）内，在经济环境相对稳定的情况下，工业生产不会出现大的波动。 ２．填报…     

不完整抽样框的影响及补救的方法

建立科学的抽样框是抽样调查的基础和前提。不完整抽样框是抽样框误差中影响最为显著而且也是较难补救的一种。文章就不完整抽样框对调查估计量的影响以及补救的方法进行了探讨。     

基于多重抽样框的校准估计方法研究

在现代抽样调查中,校准估计方法能够通过有效利用辅助信息来提高估计量的精度,多重抽样框抽样调查则不仅可以解决单一抽样框覆盖不全的问题,还可以节约抽样设计阶段的成本。本文将这两种现代抽样估计与设计方法进行结合,将校准估计方法引入到基于多重抽样框的抽样调查体系中,在实现节约调查成本的同时,还能够提高估计量的精度。文章首先按照分离抽样框与组合抽样框估计方法的分类思路,对传统多重抽样框估计方法进行系统梳理;然后在最短距离法校准估计的分析框架下,按照调查时所能掌握辅助信息的具体情况,给出了两类多重抽样框估计情形下的各种不同形式的校准估计量;随后数值分析的比较结果也表明在多重抽样框中校准估计量的估计效率明显优于传统估计量;最后对本文研究进行总结的基础上,给出了我国抽样实践中应用这套先进抽样估计方法体系的展望。     

中国“三农”抽样调查之抽样框问题研究

20世纪90年代后期,中国的＂三农＂问题逐步突显出来,涉及＂三农＂问题的抽样调查也越来越多。然而,抽取样本依据的抽样框大多是基于普查和行政记录资料编制的单纯名录抽样框。单纯名录抽样框的使用存在很多弊端。拟从抽样框的建立与更新维护两个阶段进行分析,提出解决现有问题的具体思路。在抽样框的建立阶段,建立名录抽样框和区域抽样框相结合的双重简单抽样框,并在此简单抽样框的基础上添加特征群,构建适合不同调查类别的复杂抽样框;在抽样框的更新维护阶段,通过合理地制度安排,以普查数据为基础,以建设抽样框数据库为契机开展抽样框的更新维护工作,使建成的抽样框得到及时有效地更新维护。     

丢失单位引起的抽样框误差分析及其补救方法

抽样调查的误差包括抽样误差和非抽样误差。非抽样误差是指除抽样误差以外,由于各种原因而引起的误差,可以分为抽样框误差、无回答误差和计量误差三类。抽样框误差是由不完善的抽样框引起的误差。1对丢失目标总体单位影响的测定丢失目标总体单位是抽样框误差中影响比较严重的一     

城市住户调查抽样框的缺陷及改进措施

在城市住户抽样调查中,抽样框的设计起着非常重要的作用,抽样框的结构,抽样框内所包含的信息,以及这些信息的质量,将决定调查中抽样设计的类型和估计的方法,而且对抽样估计的精度有直接的影响.文章通过抽样框设计的理论研究,发现城市住户调查抽样框设计存在的缺陷以及造成的抽样误差,对抽样框的设计方法进行改进,提高样本的代表性和抽样调查数据质量.     

我国规模以下工业抽样框的问题与解决思路

我国 1996年出台了工业统计抽样调查试点方案 (分为企业与个体单位两部分 ) ,1997年进行了试点 ,1998年开始对年销售收入 5 0 0万元以下的非国有工业企业和全部个体工业单位实行抽样调查。经过几年的实践 ,积累了不少经验 ,但同时也发现了不少问题 ,其中难题之一就是抽样框不完善、不稳定和不规范。尽管我国每 5年进行一次基本单位普查 (到目前已进行了两次 ) ,但抽样框的问题仍然一直没有解决 ,严重影响了抽样估计数据的精确性。对于这一点 ,我国各级统计部门都已充分认识并正在进行研究解决。本项目研究也正是在这样的背景下进行的。　　…     

对丢失总体元素引起抽样框误差的研究

本文分两种情形利用模型对丢失总体元素引起的抽样效果影响进行了测定,并给出了具体的补救方法。     

大数据背景下多重抽样框方法探讨

当前所获取的大数据并非都是总体数据,通常未能完全覆盖总体,因其多源异构的特性,致使传统的数据分析方法受阻。文章将抽样调查方法引入到大数据中,对大数据背景下应用多重抽样框的必要性进行剖析,并主要针对大数据中数据多源异构的难点,将每个来源数据作为一个抽样框进行处理,提出了大数据中多重抽样框的构建。进而根据大数据的数据特征进行分类,针对不同情况确定是否需要进行分阶段抽样设计,并提出运用SF估计量对基于多重抽样框的总体进行估计,此估计量较为符合大数据中多重抽样估计的需求,并能对总体有较好的估计。