一种随机选择的扰动随机化回答技术

已有的定量敏感性问题随机化回答策略都是通过一个事先确定的调查者知道的设计参数来设计回答装置。文章给出一种用随机产生的且不被调查者所知的设计参数设计随机的随机化调查装置,所提出的装置不仅提高了被调查者对调查的配合程度,而且在精度上也要优于固定设计参数的调查模型。     

对敏感性问题调查之随机化回答技术的思考

抽样调查在人们生活、工作的方方面面中起着越发重要的作用 ,但数据的无回答现象降低了数据的质量 ,使调查的精度大打折扣。针对于此 ,本文介绍了在敏感性问题调查中使用频率颇高的沃纳模型和西蒙斯模型 ,阐述了随机化回答模型的基本原理 ,并比较了两种模型 ,指出了沃纳模型应用的局限性及西蒙斯模型在此基础上进行的改进。最后提出了在我国应用随机化回答技术应注意的几个问题     

企业市场调查中随机化回答技术的应用

随机化回答技术十分适宜调查敏感性问题并获得相关资料.在企业市场调查中应用随机化回答技术有利于获得敏感性资料,减少调查误差,提高企业竞争力和企业科学管理水平.文章以非工资性收入调查为例,说明了如何组合应用西蒙斯模型法与格林伯格非相关模型法.     

分层抽样下的西蒙斯随机化回答模型

本文通过结合分层抽样技术和西蒙斯模型,提出了分层抽样下奈曼分配时的西蒙斯随机化回答模型。该模型在应用于总体为分层总体的时候比简单随机抽样下的西蒙斯模型有着更高的精度,在实际的调查操作中也有着更强的可行性。本文还探讨了受访者在不完全真实回答情况下的情形,并对模型进行了改进。     

随机化回答技术在居民住房贷款调查中的应用研究

如何调查和了解居民的住房贷款比例以及平均月还款额这类敏感性问题呢?本文分别以西蒙斯模型、三项选择属性模型和Greenberg模型为例,详细阐述了各类随机化回答技术在居民住房贷款调查中的应用。     

随机化回答技术调查“敏感性问题”的博弈分析及设计改进——对一次沃纳方法调查实践的分析思考

沃纳方法等随机化回答技术是对“敏感性问题”调查的创新之举,但调查实践显示调查对象是否如实回答值得研究,博弈分析表明,随机化回答技术的有效性与调查对象对“群体性特征”的曝露是否敏感有关,据此,应改进调查设计和组织。     

随机化回答技术的应用

在社会经济的调查中有时会涉及一些敏感性问题。例如,巾场工商管理部门要了解个体户漏税的比例有多大;计划生育部门要了解在已婚的育龄妇女中有多少人采取了避孕措施;公安部门要了解吸毒者人数的比例;学校要了解考试中学生作弊的情况等等。对于这类问题,容易引起被调查者的反感,他们或者不提供真实情况或者拒绝回答,从而使调查失败。一般而言,在调查中应尽量避免此类问题,以保证调查资料的质量,但如果研究的课题就是这类敏感问题,在调查中就无法回避。为了获得对这类问题总体比例进行估计的资料,就需要采用随机化回答技术,本文拟对此介绍一下随机化回答技术的应用。     

数量特征敏感性问题调查的两个随机化回答模型

文章研究数量特征敏感性问题的抽样调查,设计了基于离散均匀分布和均匀分布的两个随机化回答模型.     

解决属性敏感问题调查的新思路

传统对属性敏感问题的处理方法多局限于随机化回答模型。文章基于实用有效的原则,从确定问卷形式、慎选调查方法、斟酌设计技巧等三个方面提出了解决属性敏感问题调查的新思路。     

改进的随机化回答模型的贝叶斯方法

文章介绍了一种改进的敏感性问题随机化回答模型,并把贝叶斯方法用于该模型的参数估计,最后得出了参数的近似解。     

基于随机化回答模型的最低工资敏感性问题研究

针对最低工资调查中出现的敏感性问题,引入随机化回答技术,并针对定性和定量两类敏感性问题,分别引入不同的随机化回答模型。同时还考虑到最低工资调查中,不同调查单位对同一问题敏感程度不相同的特性,在定量问题的随机化回答模型中引入敏感性水平,对原有模型进行有效的改进,使被调查者能够更加积极配合最低工资调查,从而能够进一步减少由于各类敏感性问题造成的非抽样误差。这套随机化处理方法还可推广应用到其他类型的敏感性问题中。     

数量特征敏感问题问卷设计

目前,数量特征敏感问题调查主要采用随机化策略,该策略需使用随机化装置,从而需要在现场实施。提出一种问卷设计技术,该技术用无关问题替代随机化装置,因而不需要调查者亲临现场,不受调查规模及调查单位聚散的限制,使得调查更加方便、实用、经济。给出了相应的无偏估计量,推算出估计量的方差和方差的估计量并举例说明。     

经济试验中的社交网络调整自适应随机化方法

伴随网络时代发展,个体间关系逐渐被纳入研究视角,基于社交网络的经济试验广泛开展。传统的随机化方法面临两大挑战：其一,参与试验的受试者间不再满足个体处理稳定性假设,若忽略网络干扰作用可能会导致估计偏差;其二,出于经济因素考虑,研究者希望在试验过程中分配更多受试者到优效干预组。针对上述问题,本文提出社交网络调整自适应随机化方法,该方法将响应变量自适应随机化方法与网络干扰作用平衡相结合,保证干预效果估计并将更多节点分配到优效干预组。模拟分析与实证研究均表明本文研究方法具有综合优势,是网络时代中进行经济试验的必要工具。     

整群抽样下的随机化回答模型

整群抽样下的随机化回答模型赵俊康随机化回答模型作为一种调查社会敏感问题的抽样方法,具有重要的现实意义,在我国社会经济统计中有着广泛的应用前景。但目前对这种抽样技术的研究仅限于简单随机抽样,从而使得这种抽样技术的推广应用受到了很大的限制。本文把随机化回...     

对一类“随机化回答”技术的推广

一、前言 人口调查中会出现各种形式的偏差,其中很大一部分来自于人们在回答某些敏感性问题回答时一种本能的拒绝,还有一部分则来自于虚假的回答.因为不难理解,针对那些敏感性的问题(比如吸毒、卖淫嫖娼、贪污腐败等方面),调查者很难说服被调查对象他们的回答仅仅是用于统计的目的,而不会还用在其他方面.为了取得调查者所希望得到的真实数据,1965年Warner首先提出了一种叫做"随机化回答"的技术.其思想可简要表述如下:假设我们想估计人群中具有某一特征的人数比例θ,将两个问题分别写在两叠卡片上,一叠卡片上的问题是"我具有某一特征",另一叠卡片上的问题是"我不具有某一特征".然后将两叠卡片混合,让被调查者随机从中抽取一张,并根据自己的真实情况回答卡片上的问题.调查人员不知道被调查者抽中那种卡片,因此无法从他的回答中得知其是否具有某一特征,因此起到保护作用,以此来鼓励被调查者做出真实回答.     

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。     

消除回答误差的随机化模型

同其他统计调查方法一样,抽样调查结果也会出现误差。抽样调查的误差可分为抽样误差和非抽样误差两类,其中抽样误差是由抽样的随机性引起的,是不可消除的,但我们可以对它进行估计,并控制在要求的范围内。在样本量固定的情况下,我们通过采用适当的抽样方法和估计量来最大限度地减少抽样误差,并将其控制在一定的限度内。非抽样误差是发生在回答、登记、汇总、计算等过程中的误差,我们可以通过加强统计法规建设,提高统计人员的素质来消除或减少登记、汇总、计算等过程中的误差,而回答误差由于受多种因素的影响,非常难以控制和消除。在调查项目…     

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。     

基于随机化适应性Lasso的高维变量选择

Lasso等惩罚变量选择方法选入模型的变量数受到样本量限制。文献中已有研究变量系数显著性的方法舍弃了未选入模型的变量含有的信息。本文在变量数大于样本量即p>n的高维情况下,使用随机化bootstrap方法获得变量权重,在计算适应性Lasso时构建选择事件的条件分布并剔除系数不显著的变量,以得到最终估计结果。本文的创新点在于提出的方法突破了适应性Lasso可选变量数的限制,当观测数据含有大量干扰变量时能够有效地识别出真实变量与干扰变量。与现有的惩罚变量选择方法相比,多种情境下的模拟研究展示了所提方法在上述两个问题中的优越性。实证研究中对NCI-60癌症细胞系数据进行了分析,结果较以往文献有明显改善。     

精度一定时各种抽样设计的调查费用比较

各种抽样设计的效果,传统上是在样本量一定时比较估计精度的大小,而在达到相同精度情况下,各种基本抽样设计可以进行经济性比较,并给出了精度一定时几种复杂抽样设计较简单随机抽样更经济的条件。