用PPS单级整群样本估计总体的个体间方差

文章主要通过构思以PPS抽样方式抽取单级整群样本,在已用样本资料算出在某总体应用该抽样方案的设计效应的基础上,为推算下一个调查期对该总体依照该方案抽取样本时所需样本量的过程中,讨论如何用PPS单级整群样本来构造总体的个体间方差的无偏估计量的问题.     

对与总体方差估计量有关的几个问题的探讨

本文首先针对统计学原理教科书在论及总体方差的无偏估计量时普遍忽略其前提条件这一问题,阐述了作者的观点并给出严格的证明,并通过具体的例子验证了这一结论。文章还对教科书在类型抽样和整群抽样的抽样平均误差计算中,当总体方差未知时,以样本方差代替总体方差时存在的问题提出了改进的意见。     

关于捕获再捕获抽样的置信区间

捕获再捕获抽样是一种应用广泛的抽样方法。运用随机模拟,研究捕获再捕获抽样的三种估计量的均值、方差、偏度、峰度、利用近似正态分布构造的置信区间的统计性质。改进了估计量的样本方差计算公式,使得利用近似正态分布构造的置信区间更优。     

不放回样本追加策略下域的估计

 本文研究了不放回追加策略，包括基本设计和域追加设计都为简单随机抽样、分层随机抽样情形下不放回样本追加时域的估计的问题。根据不同的抽样设计给出单元的一阶及二阶包含概率的具体计算公式，并构造总体总量和域总量的Horvitz—Thompson型估计，然后基于简单随机抽样的不放回追加抽样方案，给出总体单元的前两阶包含概率。及该方案在分层抽样下的推广，在有辅助信息可用时构造域总量的分层联合比估计，并给出其方差和方差估计公式，同时我们给出了模拟结果，从模拟结果可以看出，给出的方差估计是估计量方差的近似无偏估计。     

域内不放回样本追加的性质分析

域内采取不放回样本追加,进行追加抽样,利用最终的总样本,通过计算域总体单元的一阶、二阶入样概率构造HT型估计,得到域总体目标参数的无偏估计及估计量方差的无偏估计.基于不放回简单随机抽样,在不同的追加样本量确定机制下,对相关问题进行较为全面的研究,并揭示出某些重要且优良的性质.     

基于倾向值加权的网络调查总体参数Horvitz-Thompson估计

基于倾向值加权方法,构造了网络调查总体参数的Horvitz-Thompson无偏估计量,并对其方差进行了讨论,分析了利用插补缺失数据后的网络调查样本进行总体参数估计的方差来源,在网络调查总体参数估计方面提出了新的思路和方法。     

放回抽样下HT估计量的性质及应用

放回抽样下传统的估计方法是采用Hansen-Hurwitz估计。而放回抽样下HH估计量并不是一致最小方差无偏估计,本文提出了另一种估计方法,即采用Horvitz-Thompson估计,并论证了放回抽样下HT估计量的三条定理,及与HH估计量的比较。然后以放回简单随机抽样和PPS抽样为例,通过理论公式、计算机模拟以及具体案例,进行更具体的分析。说明在一定条件下,HT估计量相对更优。在实际应用中,本文也提出了通过比较方差估计作为选取估计量的准则。     

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     

重权数在复杂调查的方差估计中的应用

 方差估计是抽样调查的重要组成部分,重抽样方法是常用的方差估计方法。重权数方法与重抽样方法类似,也是利用计算机的优势通过重复获得大量不同的子样本的重权数估计目标参数的估计量和方差估计量,是一种稳健、通用、有效的方差估计方法。本文主要介绍重权数在复杂抽样调查的方差计算中的理论和应用。     

论总体方差在抽样中的表述

简单随机抽样计算抽样方差需要总体方差。可是总体方差在表述时有两种形式。在一般叙述中不加以区分读者就不清楚是总体方差的那一种表述形式。这种情形影响了抽样方法的实施,也影响了《统计学》、《概率论与数理统计》、《抽样调查》等课程的衔接与联系,形成总体方差长期的误用。这种情形进而也影响了整群抽样、分层抽样和多阶段抽样等组织形式。文章侧重澄清总体方差在简单随机抽样中的误用。     

基于时间序列分析方法的连续性抽样调查研究

针对连续性抽样调查中如何利用过去各期的调查信息来提高现期抽样估计精度的问题，引入时间序列分析方法，分别考虑连续性抽样调查中重复样本和重叠样本等不同情况，建立了不同情况下的时间序列模型，利用成熟的时间序列分析方法给出了总体特征的线性组合估计量。由于时间序列分析方法能够充分利用以往各期的调查信息，从而能够给出精度更高的估计量。     

整群抽样设计效应的估计

一、引言设计效应是抽样理论中的一个重要概念 ,它被定义为Deff=所考虑抽样设计下估计量的方差相同样本量简单随机抽样估计量的方差设计效应有两个作用 ,一是比较不同抽样设计的效率 ,二是利用简单随机抽样设计的样本量确定满足相同精度要求的复杂抽样设计所需样本量。由于估计     

分层抽样样本量最优分配问题新探

一、问题的提出 在分层抽样中涉及到样本量最优化分配的问题.样本分配是分层抽样研究的一个重要方面.一般来说,一个恰当的分层的原则是这样的:确定各层的样本容量,使样本容量的分布趋于总体分布,以保证样本具有充分代表性,抽样估计准确度不断提高.为遵循这个原则,我们在分层抽样中所采取第一种方法是,按比例缩小来确定样本单位数结构,这是最简单可行的分配方式.但大多数人认为除遵循样本与总体单位数结构一致性外,还必须考虑总体不同层次方差的差异,满足抽样估计量方差的最小化要求.简而言之,就是指在有限资金、时间或其他与每层的样本分配量相关的条件限制下,分配每层的样本量,使估计量方差最小.这就是本文要研究的样本量最优化分配问题.     

并发多样本滚雪球抽样的捕获再捕获估计

滚雪球抽样是一种非概率抽样方法,一般采用线索触发的方式进行抽样,通过同伴推荐和再推荐来逐次抽取并组织样本。本文引入捕获再捕获抽样估计方法对并发式多样本滚雪球抽样的总体规模进行估计,比较了Peterson、Chapman等的估计方法,提出了以并发式加权线性模型去估计总体规模的基本思路,在本文设计的三种估计量中,共权估计量方差最小,离散性质局部最优。最后,对一个真实的滚雪球抽样调查过程进行了实证分析。     

分层抽样下的样本轮换理论研究

讨论用于回归估计的二相抽样理论在分层抽样下样本轮换后估计量的构造及其精度问题，并在构造的估计量的基础上计算了分层抽样下的最优样本轮换率，这对于深入研究分层抽样理论，使其估计量的精度提高，从而更好地实现抽样调查的目标有积极意义。     

基于双无关问题的敏感性问题随机化回答模型

研究数量特征敏感性问题的抽样调查,设计了双无关问题双样本随机化回答模型,给出了总体均值的无偏估计、估计量的方差,并得出新的模型具有较好的精度。     

辅助信息及其在抽样调查中的应用

辅助信息即除调查指标样本信息以外的一切有关总体、抽样单元及样本的信息。抽样调查在不扩大调查规模的情况下 ,充分利用辅助信息是提高估计量精度的有效手段     

改进样本代表性的多目标追加平衡设计

本文主要讨论样本代表性的改进和多目标调查两个问题。一,本文提出了一种新的改进样本代表性多目标抽样方法,增加样本量与调整样本结构相结合的方法-追加样本的平衡设计,即通过追加样本,使得补充的样本与原来的样本组合生成新的平衡样本,相对于初始样本,减少样本与总体的结构性偏差。平衡样本是指辅助变量总量的霍维茨汤普森估计量等于总体总量真值。二,平衡样本通过选择与多个目标参数相关的辅助变量,使得一套样本对不同的目标参数而言都具有良好的代表性,进而完成多目标调查。结合2010年第六次人口分县普查数据,通过选择多个目标参数,对追加样本后的平衡样本作事后评估结果表明,追加平衡设计能够有效改进样本结构,使得样本结构与总体结构相近,降低目标估计的误差;同时也说明平衡抽样设计能够实现多目标调查,提高样本的使用效率。     

关于等比分位抽样的有关结果

在概率空间的基础上,提出了比等距抽样更广泛的等比分位抽样的概念,依据等比抽样样本,构造出总体均值估计的统计量。通过对其性质的讨论,证明了该统计量为总体均值的无偏估计,在适当的条件下,得出了该估计量的抽样精度高于简单随机抽样的结论。     

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。