有限总体的估计——基于超总体模型

抽样调查下有限总体的估计，一般是基于传统抽样设计，另一种是基于超总体模型，即假定总体取值不是确定的，而是由超总体模型产生的。本文以简单随机抽样和抽样为例，揭示了在不同情况下，如何得到超总体模型下有限总体的估计，并对基于设计和基于模型两种观点进行了比较分析。     

系统样本差估计量的优良性

文章证明了在超总体模型下,以期望均方误差作为衡量估计量的准则,系统样本差估计量要优于系统样本估计量。     

抽样调查中基于模型推断的思考

基于抽样设计推断与基于模型推断是有限总体推断的两个不同途径。文章针对基于模型的推断方法-最优线性无偏估计(BLUE)进行了讨论,指出在特定的超总体模型下,BLUE与基于抽样设计的估计是一致的。数值分析解释了模型推断的优越性。     

有限总体基尼系数的统计推断

进行基尼系数的统计推断时,已有研究一般都设定总体是无限的。研究在有限总体随机抽样的现实背景下,如何利用样本数据对总体基尼系数进行估计及其评价。从总体基尼系数的内涵和定义出发,介绍了非参数估计和参数估计的方法,构造了相应的估计量,基于蒙特卡罗的模拟结果,论证和揭示了不同情况下估计量的性质,并论述了方法的适用性以及在实际应用中需要注意的问题。     

基于平衡样本的最优模型辅助抽样策略

模型辅助方法的思想是基于抽样设计借助于超总体模型获得对总体参数的有效推断.满足辅助变量的HT估计等于总体总量真值的样本被称为平衡样本.对于平衡样本,如果超总体模型的异方差性可以通过辅助变量解释,由此得出最优抽样策略:平衡抽样设计与HT估计结合是最优策略,包含概率正比于模型残差的标准差.     

抽样调查中基于模型的稳健预测方法

基于模型的推断是抽样技术中推断估计量的一种重要方式。文章研究得出,当比率估计模型或者扩张估计模型偏离总体真实模型时,比率估计和扩张估计往往是有偏的,平衡样本能够消除比率估计和扩张估计的偏倚,使得估计量是偏倚稳健的。     

复杂抽样推断方法体系的比较研究

对复杂样本进行推断通常有两种体系,一种是传统的基于随机化理论的统计推断,另一种是基于模型的统计推断。传统的抽样理论以随机化理论为基础,将总体取值视为固定,随机性仅体现在样本的选取上,对总体的推断依赖于抽样设计。该方法在大样本情况下具有稳健估计量,但在小样本、数据缺失等情况下失效。基于模型的抽样推断认为总体是超总体模型中抽取的一个随机样本,对总体的推断取决于模型的建立,但在不可忽略抽样设计下估计量是有偏估计。在对这两类推断方法分析的基础上,提出抽样设计辅助的模型推断,并指出该方法在复杂抽样中具有重要的应用价值。     

PPS抽样下子总体参数的估计

本文讨论PPS抽样下子总体参数的估计,给出基于PPS总体抽样和基于总体抽样及子总体追加PPS抽样的子总体参数的估计量,并分析了估计量的性质.     

基于半参数方法的模型辅助抽样估计研究

在总结现有模型辅助估计方法的基础上,本文通过构造一种半参数超总体模型,同时结合广义差分估计思想提出一种新型的模型辅助估计量。该估计量比传统的非参数和半参数回归估计利用更少、更易得到的辅助信息,即只需利用和广义回归估计相同的辅助信息,但一般会比广义回归估计拥有更高的估计精度。理论证明了该估计量是渐近设计无偏和设计一致的,其渐近设计均方误差为广义差分估计量的方差。模拟结果显示：其至少与广义回归估计一样好;对于线性程度越低的超总体模型,其估计精度比广义回归估计有越明显的提高;就本文模拟而言,光滑参数在0.04～0.12间适当取值时其会取到相对较好的估计效果。     

基于超总体模型的设计效应分解

本文基于超总体模型研究抽样调查中设计效应的计算问题。首先以随机效应模型为基础，明确了简单随机、二阶段、不等概率和分层抽样对应的超总体模型，进而通过所给模型推导出分层、类集、加权单因素设计效应的计算公式和多因素组合的设计效应计算公式并给出了对应估计量，公式表明：多因素同时存在的组合设计效应等于对应单因素设计效应的乘积。最后，对设计效应的理论值、估计值和真实值之间的关系进行了蒙特卡洛仿真，并利用相对偏倚、相对均方误进行了评价。本文的研究，对复杂抽样设计中正确计算、使用设计效应具有指导意义。     

混合类型辅助变量下模型校准抽样估计研究

在超总体模型中,一般用于构建模型的辅助变量多为连续型变量,对混合类型辅助变量的模型研究较少.为了同时利用与研究变量相关的连续型和离散型辅助变量的信息,本文提出在模型校准的框架下,利用非参数核回归方法,得到混合类型辅助变量下的模型校准估计量.研究证明,该估计量是渐进设计无偏、设计一致和渐进正态的,并给出了估计量的方差和方差的估计量.数值模拟的结果显示,本文在总体回归函数为线性和非线性的情况下,估计效果均有所提高.此外,通过CLHLS数据的验证也表明该估计量的效果优于仅利用连续型辅助变量的估计量.     

极端值影响下总体均值估计量的调整

在含有极端值总体中,由于样本均值不具有耐抗性,往往难以代表“平均水平”,因此样本方差也难以有效衡量离散程度。在简单随机抽样假设下,可以构造一个考虑极大值和极小值对样本均值大小影响作用不同时的调整均值估计量,并给出了其期望与方差。根据方差最小原则,确定估计量中的参数。随后的统计模拟比较了各种估计量的表现,结果表明：调整的估计量是稳健的和有效的。     

权数对基于模型推断的影响分析

利用抽样调查数据对总体参数进行推断通常分为两种途径：一种是基于设计的推断体系；另一种是基于模型的推断体系。基于设计的推断以随机化理论为基础，推断依赖于抽样设计，在大样本下估计量具有无偏性和一致性，但在样本量较小或存在非抽样误差等情况下效率较低。基于模型的推断认为有限总体是一个来自无限超总体的随机样本，推断依赖于模型假设，构建超总体模型具有很大的灵活性，有利于充分利用总体辅助信息并提高估计精度，但在模型假定有误或样本的入样过程不具有无信息性时存在估计误差。如何将两种推断途径相结合，在体现样本对总体代表性的同时，保证估计效率和估计量的优良性质，尚待研究。权数在基于设计的推断中起着核心作用，能够反映抽样设计对样本的影响，实现样本对总体的还原。将权数引入基于模型的推断，可以使基于模型推断的结果具有总体代表性，能更好地发挥两种推断体系的组合优势，并削弱模型假定对推断效果的影响。据此，从权数对于模型推断的影响入手，针对因果推断问题，提出将权数同时引入倾向得分模型和预测模型的建模过程，来构造双稳健估计的方法，并通过模拟研究加以验证。最终结果表明，根据文章所提出的方法进行处理效应的估计，能够充分发挥权数的作用，得到更准确、更稳健的估计结果。实证部分采用2017年CGSS调查数据进行分析，进一步说明在基于调查数据进行模型推断时应充分考虑抽样设计的影响，为科研人员进行因果推断以及其他基于调查数据开展的研究提供参考。     

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。     

论属性总体方差估计

计算抽样平均误差需要总体方差，总体方差通常未知，可以用样本方差代替总体方差。用样本方差替代属性总体方差是一个经常遇到的问题。文章阐述了在简单随机抽样时，因抽样方法不同，属性总体方差的无偏估计量是三种不同的形式，而一般理论书籍叙述的属性总体方差的无偏估计量是一种形式。用样本方差估计总体方差，只有样本调整方差才是总体方差良好的估计量，特别是在小样本的条件下比使用样本方差更为合理     

第三类Tobit模型的半参数估计方法

本文给出第三类Tobit模型的一种新的半参数估计方法。在独立性假设下,利用主方程和选择方程中可观察受限因变量的条件生存函数所满足的关系式,构造第三类Tobit模型参数的一步联立估计量。在已知选择方程中参数一致性估计量的条件下,这种方法也可用于构造主方程模型参数 的两步估计量。本文证明了所提出的一步联立估计量和两步估计量的一致性和渐近正态性。实验模拟表明,我们提出的估计量在有限样本下具有良好表现,且一步联立估计量的有限样本表现优于或接近于Chen（1997）的估计量。     

人口数目估计中的独立双系统估计量研究

利用存在统计相依关系的两份人口登记名单构造的非独立双系统估计量是目前估计总体实际人口数的前沿方法。该估计量由最初用于估计一个区域内的野生动物数目的捕获-再捕获模型移植而来。非独立双系统估计量的一个明显缺陷是低估总体实际人口数。用独立双系统估计量替代非独立双系统估计量属于人口数目估计领域的理论创新研究。采用数理分析与实证分析相结合的方法研究独立双系统估计量及其方差估计量。为便于读者理解,通过一个实证案例全面演示了独立双系统估计量的计算过程。研究表明,独立双系统估计量所估计的人口数平均接近于实际人口数,建议在未来人口数目估计中应用独立双系统估计量。     

连续性抽样调查中总体均值的估计

在连续性抽样调查中,利用前期信息和辅助信息可以大大提高估计精度,但是以往的估计量大多假设辅助信息总体均值已知,文章介绍一种在连续性抽样调查中,辅助信息总体均值未知的情况下,通过两阶段抽样,利用轮换样本方法和辅助变量信息,对总体均值进行估计的新的估计方法,并将新提出的估计量与原有的估计量进行比较,发现其精度更高,而且有利于减少调查成本。     

基于最佳线性无偏估计的模型权数的小域估计

文章介绍了一种基于EBLUP的模型权数的小域估计方法.这种估计方法一方面使小域的目标估计量是加权线性组合,从而使估计过程以及均方误的估计更加简单;另一方面得到的估计量不依赖于模型的假定,是一种稳健的估计量.文章还通过一个简单的模拟案例说明了这种估计量的稳健的性质,说明这种估计方法是一种非常符合实际调查情况的小域估计方法.     

改进的汉森-赫维茨估计量及其应用

本文利用阈值截断方法对经典的汉森-赫维茨估计进行修正,提出改进的汉森-赫维茨估计量（简称IHH估计量）。理论上,本文证明了IHH估计量的相合性,渐近无偏性和渐近正态性,并给出了IHH估计量的均方误差及其无偏估计。此外,基于IHH估计量,本文分别对分层抽样和二阶抽样下的有限总体估计进行改进。为说明所提出方法的有效性,本文比较了所有改进估计量和传统估计量的均方误差。最后,数值分析进一步说明本文提出的估计量具有更高的精度。