抽样调查中估计量的Bootstrap修正及样本量的确定

估计量的精度和样本量的确定是抽样设计中所关心的两个主要问题.在一定条件下,对于简单随机抽样,通过对初级样本的Bootstrap抽样可以提高均值估计量的精度.中心极限定理一直是抽样调查中确定样本量的主要理论依据,基本思想就是将标准正态分布作为给定统计量的近似分布.如果利用Bootstrap方法模拟近似分布,同样可以确定样本量.文章结合具体例子对两种方法确定的样本量进行了对比分析.     

总体均数可信区间估计Bootstrap样本含量的设置

文章探讨了Bootstrap样本含量n*时Bootstrap法总体均数可信区间估计效果的影响.首先模拟从正态分布总体中随机抽样:然后用Bootstrap法进行总体均数可信区间估计,重复1000次,得到1000个可信区间.统计1000个可信区间包含总体均数的准确率.结果表明.Bootstrap样本含量n*对总体均数可信区间估计的准确率影响很大,Bootstrap样本含量n*越小,准确率越高;Bootstrap样本含量n*越大,准确率越低;Bootstrap样本含量n$不能任意设置,当Bootatrap样本含量n*=n-3时,效果最好.     

总体中位数可信区间估计Bootstrap法样本含量的设置

文章探讨了Bootstrap样本含量n*对Bootstrap法总体中位数可信区间估计效果的影响。结果表明,Bootstrap样本含量n*对总体中位数可信区间估计的正确率影响很大,Bootstrap样本含量n*越小,正确率越高;Bootstrap样本含量n*越大,正确率越低;Bootstrap样本含量n*不能任意设置,当Bootstrap样本含量n*=n-3时,效果最好。     

动态修正贝叶斯估计的Bootstrap调整

在现场子样相对较小的条件下,研究具有多阶段试验信息时弹点散布方差的参数估计问题,将Bayes法和Bootstrap法结合起来,给出动态Bayes估计的Bootstrap调整方案,并通过仿真模拟算例验证方法的有效性.     

空间误差分量模型的Bootstrap LM检验

空间误差分量模型(Spatial Error Components,SEC)传统的空间相关性LM检验存在严重的水平扭曲和较低的检验功效,导致检验统计量失效.文章将Bootstrap方法应用于SEC模型的空间相关性LM检验,提高检验统计量的有效性.Monte Carlo模拟实验表明,Bootstrap LM检验的水平受误差项分布、空间权重矩阵和样本量影响较小,并且远优于渐近LM检验,具有理想的检验水平;渐近LM检验和Bootstrap LM检验的功效均随着空间相关性的增强,及样本量的增大而增大,但Bootstrap LM检验在各种情形下均具有更高的检验功效,尤其是样本量较小时.简言之,Bootstrap LM检验是SEC模型更为优越的空间相关性检验方法.     

Bootstrap平均数假设检验样本容量探讨

Bootstrap方法是一种有放回的再抽样方法,可用于平均数假设检验的估计.采用蒙特卡洛数据模拟技术,模拟正态分布数据.设计研究程序,探讨在不同的样本量和再抽样次数不同情况下,Bootstrap方法在平均数假设检验中应用,所适宜的样本容量,将一类错误率作为对比条件.结果表明,跨越三种比较条件,只有当样本量大于等于5且模拟次数大于等于1000次时,才能得到满足条件的一类错误率,即表明使用Bootstrap方法才会取得较好的效果.     

Polya后验方法在有限总体抽样估计中的模拟研究

polya后验方法作为一种无信息贝叶斯估计方法,在有限总体抽样中,通过观测的样本,构造一系列的模拟总体,然后进行统计推断。通过统计模拟研究了polya后验方法估计的一些特点,并和Bootstrap方法进行比较。模拟结果显示:polya后验方法能够很好地估计总体的均值,随着样本量的增大,估计值与真值的差距越来越小。采用polya后验方法构造的置信区间区间长度较小,能够很好地覆盖真值。     

CSI模型样本量的Monte Carlo研究

文章从实际应用的角度对满意度模型进行了分析,并通过前人的研究对两种估计方法进行了多方面的比较;运用Monte Carlo模拟对CSI实用中样本量问题进行了探讨:应用proactive Monte Carlo证明PLS在小样本下估计效果比LISREL更具稳健性,又应用reactive Monte Carlo模拟证明PLS对样本量也有要求,并非任何小样本都适用。     

Mlinex损失函数下广义指数分布形状参数的Bayes估计

文章给出了Mlinex损失函数下两参数广义指数分布形状参数的Bayes估计及其容许性,并对该分布的充分统计量的逆线性形式的容许性进行讨论.最后通过蒙特卡洛模拟说明Bayes估计在小样本情形时的优良表现。     

单位根过程联合检验的Bootstrap研究

 本文以Ferretti和Romo的Bootstrap方法为基础进行拓展完成三种联合检验,并从理论证明了Bootstrap方法的有效性;使用蒙特卡洛模拟技术比较了Bootstrap检验与临界值检验的效果。模拟表明,在误判率上,Bootstrap方法下三个检验量的误判率分别为2.22%、3.70%、0.00%,而临界值的误判率分别高达22.22%、11.11%、15.56%;在精确程度上,Bootstrap方法的精度分别是临界值方法的11.25倍、26倍和6.5倍。模拟表明了本文构造的Bootstrap检验方法可以替代临界值方法,特别在小样本下,Bootstrap方法的优势表现更为明显。     

周转法口径投入产出表与工厂法口径投入产出表的相互转换

在进行投入产出基层调查时,可以采取两种不同的计算原则和计算口径来计算工业总产值及其价值构成,一是按现行统计制度规定的工厂法原则,二是按产品周转原则。研究周转法口径投入产出表与工厂法口径投入产出表的相互转换,不仅可以取得多倍的经济信息,提高编制投入产出表的经济效益,而且可以为不同的经济研究,如经济结构分析、经济预测等需要提供不同口径的投入产出表。     

聚类判别法——统计分组的一种新方法

统计分组的作用在于将社会经济现象总体按照统计研究的目的区分为性质不同的各个组成部分,因此,分组的结果应该使同一组内的各总体单位在分组标志上的区别不大,不同组之间有明显的差异。按数量标志进行统计分组时,有一个确定组数和组限的问题。本文根据多元统计分析中聚类及判别分     

一种多指标决策与评价的方法——投影法

一种多指标决策与评价的方法——投影法＊王应明ＡＢＳＴＲＡＣＴＷｉｔｈｔｈｅｂｅｎｅｆｉｃｉａｌｒｅｓｕｌｔｓｏｆｉｎｄｕｓｔｒｉａｌｅｃｏｎｏｍｙａｓａａｐｐｌｉｃａｔｉｏｎｂａｃｋｇｒｏｕｎｄ,ｔｈｅｐａｐｅｒｒａｉｓｅｓａｎｅｗｍｅｔｈｏｄｏｆｍ...     

蒙特卡罗方法下线性模型的异方差性检验方法

在已有的异方差性检验方法的基础上,运用蒙特卡罗方法,借助permutation检验思想,在不假定随机扰动项服从同一分布族的条件下,通过从大样本中提取大量的子样本,不断对线性模型进行拟合和检验,根据异方差为真的频率大小,给出了一种新的异方差检验方法。随机模拟表明本检验方法优于传统方法。     

用德尔菲法确定权数的改进方法

用德尔菲法确定权数的改进方法赵松山，白雪梅一、问题的提出在多指标系统的综合评价中，指标权数的确定是很关键的。目前，比较实用的确定权数的方法有德尔菲法、层次分析法、二项系数法、相对比较法和环比法等等。其中德尔菲法应用最为广泛。这种方法简单、实用，而且通...     

关于中国数据库调查方法与资本化核算方法研究

随着信息技术、互联网、人工智能、云计算的迅速发展,数据呈爆炸式增长,已逐渐成为一种极具价值的资产,世界主要国家纷纷出台扶持数据产业发展战略。国民经济核算国际标准《国民账户体系(2008)》明确建议将数据库作为知识产权产品包括在固定资产中。但目前包括中国在内的大部分国家还未对数据库资产建立完善的统计调查制度。本文梳理了目前发达国家有关数据库统计的经验,结合中国实际,对中国数据库调查方法和数据库资本化核算方法进行了研究,从生产法、收入法、支出法三个角度探讨了数据库资本化核算对GDP产生的影响,讨论了数据库类型转化与数据库资产价值未来调整方向,辅之以案例分析,旨在为中国数据库调查和资本化核算工作提供有益参考。     

大学生防御方式与父母教养方式研究

一、引言随着社会的发展,竞争的日益加剧,生活节奏的加快和人际关系的日趋复杂,使人们的思想观念乃至生活方式都发生了深刻的变化,也引起了人们心理的巨大震颤。被称为社会“晴雨表”的当代大学生,也受到了来自社会生活各个方面的压力,并产生越来越多的心理问题。其中,大学生在     

基于云重心理论的信息价值测评研究

随着科学技术的迅猛发展和信息化进程的加速推进,信息作为一种促进经济和社会发展的资源已经越来越受到人们的重视。首先提出了信息价值的内涵,确立了信息价值测评的主要思想;其次,引入云重心理论的云发生器,用于计算信息价值评估模型的量化值,通过云重心评估模型,可以定量化的计算出信息价值的得分值,从而得到所求的信息价值;最后,以实际企业的调查数据为例,对企业信息价值进行了实际计算,得到了企业信息价值的具体量化值,以便为企业对信息进行决策时提供一种定量方法。     

投入产出分析方法的发展

在投入产出分析中,其基本的分析方法是根据中间产品交易型投入产出表,计算推测最终需求所需要的生产总量和最初投入量。这种方法已经应用了将近半个世纪,但随着经济结构的变动和调整,以往不被重视的结构性描述方法开始引人注目,新的分析方法开始产生。这一变革主要由于下述原因引起:(1) 在以往的主要分析方法中,假定投入系数=技术系数,并以其不变性或系数变化的可预测性为前提,忽视了对技术系数变动过程自身的分析;