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。     

含单调约束的广义回归估计量

传统广义回归估计量的假设是域与域相互独立。实践中,域值通常呈现特定的顺序和形状,使得域间变量的相关性广泛存在。例如,给定地区,信息传输、计算及服务和软件业、金融业等服务业较纺织业、农副产品加工业等制造业的行业内学历为本科及以上的人员占比、行业平均工资等更高。域间相关性的充分利用有助于提高传统广义回归估计量的精度。对此,在辅助变量域值和目标变量域值变化趋势一致的情况下,首先,引入广义回归估计量的保序回归,构建含单调约束的广义回归估计量,满足目标变量和辅助变量的单调性约束。其次,证明了含单调约束的广义回归估计量在一定条件下具有一致性,均方误差更小。最后,利用数值模拟验证含单调约束的广义回归估计量的估计效果。结果显示,在目标变量域值和辅助变量域值变化趋势一致的情况下,含单调约束的广义回归估计量较传统广义回归估计量,估计精度更高。实证部分采用中国健康与营养调查数据进行分析,进一步说明在对多个域进行估计的情况下,考虑域间相关性的影响,采用含单调约束的广义回归估计量,估计效果更好。     

有辅助变量可利用时估计量的选择

文章给出抽样调查中有辅助变量可利用时在回归估计量与分层样本估计量、回归估计量与PPS估计量之间进行选择的准则.     

多辅助变量线性组合的回归估计

以提高估计量的精度为目的,定义了一种新的多个辅助变量的回归估计法,从理论上研究了该方法下权的选取方法,并将该方法下的估计量与Raj多辅助变量回归估计量、Ghosh多元线性回归估计量在精度上进行了数值比较,结果表明：这种新的多辅助变量的回归估计法在精度上优于Raj多辅助变量回归估计和Ghosh多元线性回归估计。     

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。     

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。     

调查内比估计效果的数据模拟分析——关于简单抽样设计与PPS系统抽样设计的比较

一、引言抽样设计的效率在于充分利用已知的辅助信息。我们知道,当辅助信息与目标变量之间具有较高的相关时,采用比估计方法可以提高抽样效率;当抽样单位的大小与目标变量之间有相关时,采用PPS抽样方法可以提高抽样效率。那么可以设想,在有辅助信息可以利用时,同时采用PPS抽样和比估计就可以更加提高抽样效率。我们利用一个省的农业普查数据进行模拟分析,证实了这一点。比估计是相对于简单估计而言的。简单估计量只涉及所估计的指标本身,不需要利用其他信息。而在实际调查中,调查通常是多指标的,一个指标的估计常常可以利用其他指标或历…     

基于GMM的缺失数据回归模型的半参数估计

响应变量存在数据缺失的情况广泛出现在社会经济研究中,对响应变量存在数据缺失的回归模型提出了一个在矩估计框架下的单一的半参数估计量,这种估计量保留了参数回归估计量与非参数匹配估计量的特性,从而使得该估计量既能在响应变量被观测的子样本中保持较好的拟合性,又能够降低响应变量未被观测的子样本的估计误差,并且证明了这种估计量是一致、渐进正态估计量。     

混合类型辅助变量下模型校准抽样估计研究

在超总体模型中,一般用于构建模型的辅助变量多为连续型变量,对混合类型辅助变量的模型研究较少.为了同时利用与研究变量相关的连续型和离散型辅助变量的信息,本文提出在模型校准的框架下,利用非参数核回归方法,得到混合类型辅助变量下的模型校准估计量.研究证明,该估计量是渐进设计无偏、设计一致和渐进正态的,并给出了估计量的方差和方差的估计量.数值模拟的结果显示,本文在总体回归函数为线性和非线性的情况下,估计效果均有所提高.此外,通过CLHLS数据的验证也表明该估计量的效果优于仅利用连续型辅助变量的估计量.     

分层排序集抽样下的比率估计问题探讨

分层排序集抽样是指将分层抽样与排序集抽样结合起来,运用分层技术将总体分为多层,再在每层中用排序集抽样获取样本.分层比率估计是利用辅助信息,构造总体均值或总值的估计量,分为联合比率估计和分别比率估计.文章利用此思路得到下分层排序集抽样下总体均值的分别比率估计,并和分层排序集抽样下的联合比率估计、分层随机抽样下的分别比率估计进行比较.结果表明,分层排序集抽样下总体均值的分别比率估计比分层随机抽样下总体均值的分别比率估计效果好,分层排序集抽样下总体均值的联合比率估计比分层排序集抽样下总体均值的分别比率估计效果好.