抽样调查中的无应答替换与应答率

文章旨在澄清抽样调查中无应答替换对应答率计算的影响。首先在调查中若对无应答单位进行"替换"处理,应对替换前后的样本单位做出区分,计算相应的"初始应答率",并在应答率不变的假设下,用初始应答率来代替调查应答率。如果在调查执行中,未能全面保留相关执行资料,可以利用实际接触的住户数和访谈成功数,对应答率进行事后估算。可以证明如果样本替换中应答率保持不变,则按事后估算公式计算出的应答率估算值,在数值上与初始应答率是相等的。无应答替换方法包括明显替换、补充抽样和二重抽样等,其中前两种方法由于是独立抽样,存在着用应答单位替换无应答单位的困境。     

处理缺失数据中辅助信息的利用

统计分析中经常会遇到数据缺失的情况。数据缺失的产生背景不同,主要来自于调查中的无回答。此外,由于调查员的疏忽,在调查过程中遗漏了某些调查项,或在对调查数据的检查与处理过程中,发现一些不合逻辑,明显有误,或有意使假的数据,而将其剔除,这些都会造成数据缺失。 缺失数据造成的危害是明显的,它不仅使接受调查的实际单位数目减少,扩大了抽样调查中的估计量方差,而且还会导致估计量偏差,是影响统计数据质量的重要方面。一般而言,对于缺失数据,往往需要进行重新调查,以便将缺失的数据补齐。但有时由于种种原因和条件的限制,或者无法进行重新的补充调查,或者这种补充调查仍然不能解决问题。这时,我们特别关心两个问题：一是需要了解缺失数据造成的影响有多大,即能否对由于数据缺失带来的估计量偏差进行估计;二是如何对缺失数据进行补救。这两个问题都与辅助信息有关,本文拟就这些问题进行分析。     

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     

大学生就业知多少——来自北京的招聘需求信心指数调查

本文是北京市哲学社会规划项目《人才需求信心指数理论与应用研究》成果的一部分,该项目于2007年上半年、2007年12月底、2009年1月初分三次采用随机抽样方式分别对每次约3000家位于北京地区的企事业单位的人力资源部门进行了人才需求与招聘状况调查。本文基于三次调查中的受访单位对今年是否招聘应届毕业生     

基于随机森林模型的分类数据缺失值插补

缺失数据是影响调查问卷数据质量的重要因素,对调查问卷中的缺失值进行插补可以显著提高调查数据的质量。调查问卷的数据类型多以分类型数据为主,数据挖掘技术中的分类算法是处理属性分类问题的常用方法,随机森林模型是众多分类算法中精度较高的方法之一。将随机森林模型引入调查问卷缺失数据的插补研究中,提出了基于随机森林模型的分类数据缺失值插补方法,并根据不同的缺失模式探讨了相应的插补步骤。通过与其它方法的实证模拟比较,表明随机森林插补法得到的插补值准确度更优、可信度更高。     

对分层抽样设计的改进

 在社会经济研究中,由于实际条件的限制,往往采用抽样调查的方法获得的现象总体的信息,当总体内部差异比较大时,应首先对总体个单位按有关指标加以分层,然后再从各层中按随机原则抽选一定单位构成样本。分层可以大大提高抽样推断的精度,降低工作量和成本,所以实际工作中分层抽样得到了广泛的应用。 样本分配是分层抽样研究的一个重要方面。影响样本分配的因素主要有：各层方差、各层样本单位数、调查成本等,其中调查成本是与实际工作有密切影响的因素。当存在多个项目场合中调查成本与调查精度之间的函数关系,为实际工作中的多目标决策提供思路。     

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。     

价格指数的质量调整方法及决策过程

要使所计算的价格指数只反映纯价格变动,需要对调查项目进行质量调整.质量调整的主要方法有显式质量调整和隐式质量调整.进行质量调整首先需判断项目的规格特征是否发生了变化,进一步判断项目质量是否发生了变化,然后再选择具体的质量调整方法.     

网络调查和传统纸质调查的差异性研究

文章通过大学生消费问卷调查考察了网络调查与传统纸质调查在数据收集方面的差异性.结果表明,在单位无回答方面网络调查劣于纸质调查;但在项目无回答方面,明显优于纸质调查.对不同题目类型、行为问题和态度问题的数据分析结果表明,对两种调查方法来说.被访者对调查问卷的回答没有明显区别,即被访者对自身信息的揭露愿望,不受两种调查方法的影响.     

基于R语言的缺失值填补方法

数据缺失是一个在实验研究和调查研究中经常遇到的问题。文章先介绍了数据缺失机制的四种形式,指出解决数据缺失的一般性方法,即可以通过尽量引入更多的相关变量从而简化缺失机制;然后利用R语言对2006年中国健康与营养调查的部分数据进行了填补,介绍了各种填补方法在R中的应用,并在介绍热平台方法时提出运用R寻找匹配样本的新思路。     

国际GFP统计规则调整对中国经常账户的影响

2008年IMF发布的《国际收支与国际投资手册》（第六版）对国际加工贸易（Goods for Processing,GFP）中的项目统计进行了调整。由于我国对外贸易中GFP所占的比重较高,因此此次调整对我国国际收支平衡表中的经常项目将产生较大影响。本文通过对GFP几种主要类型的分析,探讨了这种调整分别对我国经常项目统计产生的影响。     

逆概率加权多重插补法在中国居民收入影响因素中的应用研究

在分位回归中,自变量缺失是一种重要的数据缺失问题。尤其当自变量缺失与因变量有关时,已有的多重插补法会带来有偏估计。通过逆概率加权,将修正后的逆概率加权多重插补法用于模拟研究和应用研究。模拟研究表明,在不同的缺失相关程度下,逆概率加权多有效解决了同工作时间的数据缺失问题,同时重插补法能够有效减少估计偏差,并在一定程度上保证估计量的有效性。在中国综合社会调查(CGSS)的应用研究中,该方法有效解决了周工作时间的数据缺失问题,同时揭示了影响年收入的重要因素,说明该方法具有一定的应用价值。     

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。     

小型经济单位从业人员调查抽样方法研究

不执行统计报表制度的小型经济单位的从业人员统计,应当用抽样调查方法进行。小型经济单位的各种统计调查项目,其中如生产统计调查项目、经营统计调查项目、劳动统计调查项目等等,应当合并在一起并分行业进行抽样调查。对小型工业单位进行从业人员调查的抽样技术,包括:样本轮换方针、在样本轮换条件下如何构造估计量、怎样对估计量的方差进行估计等。     

缺失总体单位产生的抽样框误差的测算

缺失总体单位产生的抽样框误差的测算文／西南财大计统系、信息系谢小燕，林学杰在抽样调查中，最基本的问题是要有一个包括全部总体单位的框架，用这个框架来代表总体，从而进行随机抽样，这个框架称为抽样框．在统计调查中，当调查目的一确定，所要调查研究的现象总体就...     

2004年政府部门统计调查项目审批、备案目录

为维护政府统计活动的严肃性和权威性,黑龙江省统计局根据《统计法》和《部门统计调查项目管理暂行办法》的规定,对政府各部门开展的统计调查进行项目审批管理。在2004年度中,经过审核,准许12个调查项目在有效时限内开展统计调查,在此列出统计调查项目目录。 在目录内的统计调查项目是政府统计的组成部分,各社会单位、组织和公民必须按照《统计法》规定,接受调查并维护和执行,对目录中没有列出的调查项目属于非法或违规开展的统计调查,各社会单位和公民有权拒绝,并可以向管理机关举报。     

缺失数据插补处理方法的比较研究

文章将抽样调查中由于项目无回答所形成的缺失数据作为研究着眼点,从矩阵运算的角度分析了此类缺失数据带来的危害,在此基础上,对缺失数据插补处理方法的基本问题进行了讨论,分析了各种单一插补方法特点及局限性,并介绍了简单随机抽样、分层随机抽样条件下缺失数据多重插补的抽样推断方法,在此基础上,对常用的单一插补和多重插补方法进行了比较,并对简单随机抽样、分层随机抽样条件下缺失数据单一插补与多重插补方法的效率进行了实证研究与比较。     

计量变异性机制及其与抽样设计的整合研究

社会调查过程受众多来源因素的影响,计量结果普遍表现出变异特性,即使进行独立重复计量,对同一单位的计量结果往往也会不同。对计量变异性的研究要求在控制基本调查条件下进行重复调查计量;通过对计量影响因素进行分析,论证了在影响因素的不同组合下采用不同重复计量方式的合理性,并将对样本单位的计量结果视作随机变量的一次实现,与传统的抽样设计进行整合,从而可以在模型和估计量中充分体现计量变异性的影响。     

基于平衡轮换样本调查的季节调整方法研究

传统季节调整方法对时间序列数据进行季节调整时,往往假定误差项为白噪声,不考虑其序列相关关系。为了进行更准确地季节调整分析,本文从连续性抽样调查的角度出发,研究基于平衡轮换样本调查的抽样误差对季节调整的影响,建立一般化的季节调整模型,利用卡尔曼滤波进行参数估计,并从预测误差、误差方差等角度评价模型精度。最后以中国城镇住户调查采用的12～0平衡轮换模式为例,对考虑抽样误差结构特征的季节调整模型进行实证分析,验证这套季节调整方法的有效性。     

人口普查数据缺失插补技术

样本中的数据缺失势必会造成估计量精度的损失。为了尽可能减小损失,需要对缺失数据进行必要的弥补性处理。质量评估调查中出现的缺失数据有三种情况:住房单元未调查;个人的一部分人口统计特征遗漏;个人的匹配状态或住处状态悬而未决。对于上面说的数据缺失三种情况中的第三种情况,即由于悬而未决导致的数据缺失,在普查登记调查中也会存在,也要对其进行处理。因此,应用人口普查数据缺失插补方法技术,能解决上述问题。