小域的双重稳健估计方法

小域估计问题是抽样调查的热点问题之一，其主流发展方向是基于模型的估计方法。但是，这种方法依赖于模型的假定，若调查数据满足模型的假定条件，估计的效果会非常好；反之，无法得到有效的估计量。文章利用Box—Cox变换和抽样设计权数得到小域的双重稳健估计量；并通过模拟例子，说明这种方法是一种双重稳健的小域方法。     

基于对数变换的小域的稳健估计量

小域估计是抽样调查的热点问题之一,其主流发展方向是基于模型的小域估计方法。但是这种方法依赖于模型的假定,若假定的模型错误,则估计效果很差。因此,利用对数变换和抽样设计权数得到小域的目标变量的稳健估计量,并通过模拟案例说明基于对数变换的方法是一种稳健有效的小域估计方法。     

基于空间模型的小域估计方法

小域估计成为当今抽样调查的热点问题之一，日益受到社会各界的关注。小域估计多采用基于模型的估计方法，其中以线性混合模型最为普遍，这种模型通常假定域随机效应是独立的。但是，在实际各个域之间往往表现出一定的空间相关性，并且这种相关性随着距离的增加而减小，若忽视这种空间效应，估计的精度会大大的降低。本文运用域随机效应为空间相关的空间模型来解决空间数据下的小域估计问题，并用基于这种空间模型的权数的方法得到了目标变量的稳健估计量，很大程度上提高小域估计的精度，是一种比较好的小域估计方法。     

分位数回归模型在小域估计中的应用

小域估计问题日益受到社会各界的关注,它通常利用辅助信息和统计模型提高估计的精度。其中最常用的小域模型是混合模型,即利用域随机效应来解释域间变化,但是这种模型要求严格的假定条件,不易于处理实际中存在异常值或重尾现象的小域估计问题。本文将分位数回归模型引入小域估计中,这个模型不需要强的假定条件,可以处理实际中存在异常值或是重尾现象的小域估计问题,并通过一个模拟案例进一步说明了基于分位数回归模型的小域估计方法可以得到更加稳健的估计量．挖掘更多的信息来提高小域估计的精度,是一种比较好的小域估计方法。     

基于γ散度的单元水平模型小域稳健估计

在基于抽样调查数据对总体参数进行估计的方法中，小域估计方法能够借助于辅助信息对小样本乃至无样本区域的参数进行有效的估计，并被广泛应用于抽样估计领域。单元水平模型作为小域估计的基本模型之一，是处理单元级别数据估计的有力工具之一。在单元水平模型的应用条件中，需假定区域随机误差和模型随机误差均服从正态分布。然而，在抽样调查中，满足这一条件的调查数据是很少的，尤其是在观测数据中出现离群值时。不满足正态性假设条件下的小域估计量会产生较大的偏差和均方误，因此有必要研究针对正态性假设和离群观测值不敏感的稳健估计方法。通过引入γ散度和γ似然函数，构建了基于单元水平模型的小域稳健估计方法，得到了模型参数的稳健估计和小域目标变量的稳健估计。与现有的稳健估计方法相比，所提新方法能更好地处理区域随机误差和模型随机误差非正态的情形，对于目标变量存在离群观测的情形，具有更好的稳健性，估计均方误更小。在利用模拟数据进行验证中，比较了不同误差分布情形下几类常用估计方法得到的估计量的均方误差，并进一步探究了随着污染分布的方差和比率变化，所得估计量的均方误差变化情形。最后，通过应用于经典的小域估计数据，进一步验证了所提新...     

多目标变量调查的小域的稳健估计量研究

大型的抽样调查不仅是多目标的复杂调查,而且在估计总体目标变量的基础上还需要对其中的一些域的目标变量进行估计,所以小域估计和多目标估计问题一直是抽样调查的热点问题.文章主要利用模型校准权数的方法,解决小域中的多目标估计问题,并得到小域的多个目标变量的稳健估计量.     

小域估计的理论和最新进展

小域估计问题是当今抽样调查中的一个热点问题,由于小域样本量很小甚至为零,用传统的直接估计无法得到小域的精确估计,故借助于其他相邻与相似的小域的样本信息和历史信息的间接估计来提高估计的精度,是十分必要的.目前小域估计的主流发展方向是基于模型的小域估计方法,在介绍基于小域层次模型的小域估计方法和基于单元层次模型的小域估计方法的理论基础上,对实际调查中存在的一些小域估计问题以及针对这些实际问题的最近进展进行介绍,具有重要的理论和实践意义.     

遥感辅助的农作物种植面积小域估计方法研究

遥感影像是大数据的一种,利用遥感对农作物播种面积进行估算常采用回归估计量或校准估计量,通常都需要将地面样本数据与遥感分类信息相结合。但对于大多数回归估计量,对省级总体的农作物面积估算只能满足对省级总体的精度要求而不能分解到更小区域,比如县和乡级。本文利用黑龙江省2011年的地面实测样本数据结合遥感分类结果,构建了单元层次的多响应变量的多元回归形式的小域模型,并将小域效应设定为固定形式。这样基于回归估计方法,既可以估算分县的主要作物播种面积,也可以使得各县播种面积估计结果相加就等于回归模型含义下的省级总体的总量估计。对黑龙江省玉米、水稻、大豆分县小域估计结果的精度评价（变异系数C.V）,平均而言均可以满足县级精度要求。本文的结果表明小域估计方法在解决省级总体对全省和分县的农作物种植面积多级估算问题中具有很好的应用。     

一种处理不可忽略抽样机制下的小域估计的新方法

在小域估计中,由于抽样过程的复杂性以及不等概抽样的广泛使用,往往会出现样本域的抽样过程与域均值相关以及域内样本单元的选择过程与目标变量有关的情况,即不可忽略的抽样机制。文章介绍了一种解决处理不可忽略抽样机制下的小域估计问题的新方法;并通过一个模拟案例说明了这种方法可以得到样本域和非样本域的近似无偏的域估计。     

含缺失数据的半参数模型的稳健估计

文章在响应变量随机缺失下,基于分位数回归研究了半参数模型的稳健估计问题。首先基于B样条基函数近似技术,将模型非参数函数的估计问题转化为样条系数向量估计问题;其次,在响应变量随机缺失下,提出了一种新的插补方法,对缺失的响应变量进行多重插补;再次,基于插补后的数据集,构造出新的分位数目标函数,得到模型非参数函数以及参数向量的稳健估计;最后给出了有效算法计算多重插补估计量。通过模拟研究验证了所提方法的有效性和稳健性。     

乘积模型的最小二乘相对误差估计

文章提出了一种基于最小二乘准则下的乘积模型的相对误差估计方法.该方法的目标函数是光滑的凸函数,所得到的估计量具有强相合性和渐进正态性,估计量的渐进方差可以用插入法直接估计.模拟结果显示所提方法与其他同类方法比较具有一定的优势.     

域与小域估计理论的综述

抽样调查领域中,为满足多层次的需求产生了域与小域估计的理论与方法.文章介绍域与小域估计的理论,并综述相关文献.     

Yule-Walker估计法的敏感性分析及其稳健改进

时间序列自回归AR模型的Yule-Walker估计法在建模过程中易受离群值的影响,导致计算结果与实际不相符。针对这一现象,基于均值和方差的稳健组合估计量构建了稳健自相关函数,得到了时序AR模型的稳健Yule-Walker估计算法,以克服离群值的影响。并对此方法进行了模拟与金融数据实证检验,模拟和实证检验均表明:当时序数据中不存在离群值时,传统估计方法与稳健估计方法得到的结果基本保持一致;当数据中存在离群值时,运用传统估计方法得到的结果出现较大变化,而运用稳健估计方法得到的结果基本不变。这说明相对于传统估计方法,稳健估计方法能有效抵抗离群值的影响,具有良好的抗干扰性和高抗差性。     

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。     

线性回归模型在因变量缺失下的约束估计

文章主要研究了线性回归模型在因变量缺失下的约束估计,基于完整数据方法和单点插补方法,我们给出了模型系数的两种约束估计,并研究了估计量的渐近正态性.最后,我们通过数值模拟验证了所提方法的有效性.     

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。     

四分之一轮换面板下的稳健估计方法

文章从过度置信度视角考察了广义最小二乘估计量在四分之一轮换面板下产生的偏误问题,并提出了一种稳健估计方法来修正过高的过度置信度,进而提高估计精度。在一定的设计条件下,证明了修正后的估计量具有一致性和渐近正态分布特征等优良性质。模拟研究结果显示,与四分之一轮换面板下广义最小二乘估计量相比,提出的估计方法在保持相对偏差和均方误差基本不变的情况下,有效降低了过度置信度。     

马尔可夫转换模型的极大似然估计的算法

由金融和经济时间序列,文章引入了马尔可夫转换模型并详细给出其原理--隐藏马尔可夫模型,以及在条件高斯下的极大似然估计方法.通过引入新的模型--扩张隐藏马尔可夫模型,对多种状态转移的情形下的极大似然估计量的算法进行了改进.     

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。     

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。