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。     

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。     

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。     

基于回归组合技术的连续性抽样估计方法研究

在使用样本轮换的连续性抽样调查中,不仅可以利用前期调查的研究变量的信息,还可使用现期调查的辅助变量信息来建立回归模型进行回归估计,进而构造回归组合估计量,并在此基础上确定最优样本轮换率和最优权重系数,使得回归组合估计量的方差最小,从而更大程度地提高连续性抽样调查的估计精度。     

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。     

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。     

无回答的抽样后纠偏

针对“无回答”导致的偏误问题,本文提出权偏误和量偏误概念,探讨了采用抽样后分层回归估计纠正这一非抽样偏误的具体方法。     

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。     

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。     

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。     

空间抽样中最优单元尺寸确定方法研究

在依据空间区域抽样框进行抽样设计中,抽样单元尺寸的大小影响着估计精度和调查成本,依据主观经验划分单元尺寸会对抽样精度和成本带来很大影响。基于单元尺寸、调查成本等影响因素,构造考虑空间抽样的交通、设计和调查的成本函数,给出成本约束下总体总量有效估计的最优单元尺寸的确定方法。以陕西省GDP的总量估计为例进行了实证研究,结果表明:在成本约束下,基于最优单元尺寸的抽样框相比于其它尺寸抽样框的样本方差较小,具有较高抽样估计精度。     

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。     

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。     

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。     

连续性抽样估计方法研究综述

根据国外的理论研究及应用的经验,预计连续性抽样估计方法在中国的应用前景非常广阔。因此,将连续性抽样估计方法作为研究对象,对国外已有的相关研究成果进行理论化、系统化的研究综述,并比较分析各类连续性抽样估计方法,归纳出存在的问题及未来研究的趋势,为后续的研究提供参考,同时为该方法顺利地应用到中国实际调查工作中奠定理论基础,从而进一步推动中国统计调查方法体系的改革与发展。     

抽样调查中项目无回答的估算和替代

在抽样调查时,往往会遇到无回答情况:一种是单位无回答,另一种是项目无回答。单位无回答是指被调查单位没有接受调查,而项目无回答是指被调查单位接受了调查,但只回答了某些而非全部的问题,或者对某些项目提供的资料是无用的。项目无回答要重新调查获得准确     

双重分层抽样中的校正估计

校正估计法已被大量运用于抽样调查中,它利用辅助信息构造的校正权重提高了对总体总值（或均值）的估计精度。本文提出了分层抽样中的校正组合比率估计量,并推广到分层双重抽样中。同时给出新估计量的近似方差表达式。最后利用计算机随机模拟验证较正估计量对估计精度的改进。