统计分组与虚拟变量在线性模型中的比较应用

一、统计分组的应用及其在线性模型拟合中的优缺点统计分组是根据事物内在的特点和统计研究的目的,将特定的总体按某种划分标准区分为若干个不同的组成部分的一种统计方法。统计分组的应用相当广泛。对数据按一定的标准分组后,可以发现数据内的潜在的规律性,呈现出不同组别之间的联系与差异,便于找出深藏于表面现象之下的内在本质,比如列联表分析。统计分组也可以应用于模型的建立中。在拟合样本数据进行建立模型时,常常会有一些质的因素(比如职业、性别、战争、季节等等)影响被解释变量,这些质的因素可能会使回归模型中的参数发生变化。在这种情况下,如果对样本数据笼统地用一个模型来拟合就会产生很大的误差。相反,如果将样本数据按引起线性模型的截距或斜率变化的标志分组,再针对每一组分别拟合模型,则可以得到拟合程度更高的模型。     

抽样调查中数据不完整的一种处理方法

在抽样调查活动中,常常会出现样本数据不完整,一是调查者无法获得作为样本单元的被调查者的全部资料;二是调查者仅能获得问卷中某些项目的资料.前一种情况通常是因样本单元不响应而导致:(1)被调查者拒绝接受调查;(2)被调查者不在调查现场;(3)被调查者生病等生理原因无法接受调查;(4)调查人员无意或有意丢失调查问卷.     

样本数据缺失的灰数补救方法

文章讨论了用灰色系统理论中紧邻均值生成灰数和GM(1,1)模型拟合型灰数对缺失样本数据进行补救的问题。     

基于WGAN的小样本建模方法研究

针对小样本建模存在的模型拟合效果欠佳、参数估计不准确的问题，利用生成对抗网络可以捕获原始数据分布且能够生成服从其分布的数据的特性，文章将生成对抗网络用于扩展小样本数据的规模，并对生成的数据进行优化处理，使用优化后的数据集进行多元回归分析。结果表明，模型拟合结果与原始数据相比效果更好。生成对抗网络可以作为扩大样本量的一种方法，应用于经济社会统计中。     

抽样调查方法应用中的问题

改革开放20多年, 在社会经济统计调查的各个领域,抽样调查方法得到了广泛地应用。与此同时,在抽样调查方法认识和应用方面也出现了一些值得认真注意的问题。对调查数据误差的认识抽样调查(概率抽样)目的是用样本调查数据推断总体。但任何一套抽中样本的调查数据推断总体,都不可     

对规模以下工业抽样调查的几点思考

一、规模以下工业抽样调查中值得关注的问题 1、统计基础工作依然薄弱.作为规模以下工业抽样调查的样本单位,无论是个体工业户还是小型工业企业,由于其规模小,财务制度不健全,财务统计人员配备先天不足,统计原始记录、统计台账的设置及小型工业企业统计单位登记工作远远落后于规模以上工业企业,基础工作的松浮,致使一些样本数据数出无据.     

抽样调查中样本不响应问题研究

抽样调查就是按照随机性原则．从总体中抽取部分单位进行调查,并通过对这部分单位的数据分析,给出总体数量特征具有一定可靠性的判断。可见,样本数据的全面性、系统性、准确性是抽样调查质量高低的关键。但是,在实际抽样调查中,经常会出现样本不响应。样本不响应的成因、后果及防范,在我国统计理论界和统计实践中都没有给予足够的重视。本文仅就样本不响应的种类、成因、后果及防范作一简单论述。 一、样本不响应的种类和成因 所谓不响应样本就是无法得到被选作样本单元的相关资料的样本。通常有样本单元不响应和样本项目不响应两类。…     

关于样本对总体代表性问题的认识与讨论——兼论抽样调查中辅助变量的作用

一、问题的提出抽样调查作为非全面调查最重要、应用最为广泛的一种方法 ,是按一定程序 (方法 )从总体中抽取一部分单元 ,即样本进行调查 ,根据样本数据对总体目标量作估计或其他推断。根据样本估计总体 ,也即根据部分来估计整体必然存在误差 ,即抽样误差。人们期望这种误差愈小愈好 ,估计愈精确愈好。用什么样的抽样方法和估计方法能使这种抽样估计更为正确 ?用一种目前流行的说法就是 ,什么样的样本对总体有较好的代表性 ?目前在国内 ,不少关心或从事抽样调查的统计工作者 ,对上述所谓“样本对总体的代表性”问题 ,不同程度地存在一些认识…     

样本轮换的实施效果分析

一、引言样本轮换是定期抽样调查中经常采用的一种确定报告期样本的方法。所谓定期抽样调查是指对同一总体针对同类问题每隔一段时间 (一般是等间隔地 )进行一次的经常、连续的抽样调查 ,如我国的城市住户调查、农村抽样调查、全国的电视收视率调查及刚开始推广的批零贸易业、餐饮业等小型企业、全国旅游业企业抽样调查等 ,都是每隔一段时间进行一次。定期抽样调查中一个重要的问题就是报告期的样本如何确定 ,可能的方式有三种 :①固定样本 ,即每次调查的样本完全相同 ,也就是通常所说的固定点调查 ;②部分更新 ,即每次保留上期样本的一部分…     

含非随机缺失数据的面板数据参数估计方法

抽样调查领域常采用对多个受访者进行跟踪调查得到面板数据,进而对总体特性进行统计推断,在面板数据中常含缺失数据,大多数处理面板缺失数据的软件都是直接删去含缺失值的受访者以得到完全数据集,当数据缺失机制为非随机缺失时会导致总体参数估计结果有偏。本文针对数据缺失机制为非随机缺失情形下,如何对面板数据进行统计分析进行了阐述,主要采用的是基于模型的似然推断法,对目标变量、缺失指示变量和随机效应向量的联合分布建模,在已有选择模型和模式混合模型的基础上,引入随机效应,研究目标变量期望的计算方法,并研究随机效应杂合模型下参数的估计方法,在变量分布相对简单的情形下给出了用极大似然法推断总体参数的估计步骤,最后通过模拟分析比较方法的优劣。     

收入分布的正态插值函数拟合方法与数据分组数的关系分析

文章用原始样本数据的分组均值与总体方差为参数的正态函数作为插值基函数,构造出线性正态插值函数曲线以拟合中国城乡居民收入的概率分布函数曲线.在相同的样本总量条件下,利用拟合的正态插值函数曲线计算出拟合的函数面积估计值并比对相应的样本数据直方图面积,进而得出此正态插值函数拟合方法与样本数据分组数之间的关系,由此关系可以得到适用于构造正态插值函数拟合方法的样本最优分组数.     

抽样调查中无回答误差的有效控制

无回答误差是指在调查中由于各种原因，调查人员没能够从入选样本的单元处获得需要的信息，由于数据缺失造成估计量的偏误，这种偏误对调查数据的质量起着重要的影响。而这种现象在抽样调查中普遍存在，对估计量的危害也比较大，所以国际上对这方面的讨论一直比较热烈且对此问题的研究比较系统，而国内在这方面的研究尚不充分和完善，抽样调查实践中更是缺乏对无回答的有效控制手段。     

大数据背景下非概率抽样的统计推断问题

利用大数据进行抽样,很多情况下抽样框的构造比较困难,使得抽取的样本属于非概率样本,难以将传统的抽样推断理论应用到非概率样本中,如何解决非概率抽样的统计推断问题,是大数据背景下抽样调查面临的严重挑战。本文提出了解决非概率抽样统计推断问题的基本思路：一是抽样方法,可以考虑基于样本匹配的样本选择、链接跟踪抽样方法等,使得到的非概率样本近似于概率样本,从而可采用概率样本的统计推断理论;二是权数的构造与调整,可以考虑基于伪设计、模型和倾向得分等方法得到类似于概率样本的基础权数;三是估计,可以考虑基于伪设计、模型和贝叶斯的混合概率估计。最后,以基于样本匹配的样本选择为例探讨了具体解决方法。     

大数据时代抽样调查面临的挑战与机遇

传统抽样调查作为一门成熟的统计学分支学科,在样本统计方面发挥着重要的作用,但是在大数据时代背景下,该方法逐渐暴露出一些缺点。在分析传统抽样调查局限性和大数据自身问题的基础上,研究了大数据时代下抽样调查面临的机遇和挑战。研究表明,在某些情况下,大数据统计还无法完全替代抽样调查的独特作用,抽样调查还将在很长一段时间内发挥作用。大数据时代下,为了获得更好的数据分析效果,应将大数据和抽样调查充分结合,进而发挥它们不同的优势。     

匹配模型框架下价格指数质量的调整方法

从匹配模型法数据的缺失机理分析，匹配模型法编制的价格指数的质量偏差可分为两部分：一部分为样本内的质量偏差；一部分为样本外的质量偏差。文章对匹配模型框架下质量偏差的数据模式和数据缺失机理进行了探讨和研究，在此基础上针对不同的数据缺失机理，提出了均值插补法、交叠插补法和hedonic插补法三种质量调整方法。     

结构方程模型的Gibbs抽样与贝叶斯估计

吉布斯(Gibbs)抽样可以在给定协方差数据和参数的先验分布条件下获得结构方程参数的后验分布样本.参数的点估计、区间估计和标准误就可以用这些样本数据计算.然而,在小样本的情况下,不考虑样本规模和似然面形状时,吉布斯抽样能得到较为正确的后验分布.当参数的先验分布充分,它的后验估计值可以被用于对不可识别结构方程模型的参数进行贝叶斯推断.     

如何利用Excel工具进行抽样

在统计学中,抽样（Sampling）是一种推论统计方法,它是指从目标总体中抽取一部分个体作为样本,通过观察样本的某一或某些属性,依据所获得的数据对总体的数量特征得出具有一定可靠性的估计判断，从而达到对总体的认识。抽样调查（sample survey）作为科学研究方法中重要技术之一，它是从全部调查研究对象中，     

江苏省统计局部署贸易抽样调查工作

江苏省统计局要求各地要通力合作,精心组织好贸易抽样调查,切实做好以下三项工作:一是进一步加强对抽样调查工作的组织领导,加大对辖区内基层抽样调查工作业务指导力度,尤其是进展较慢的地区要加快工作节奏,制定出具体的工作计划工作表。按照“分级管理”的原则,各省辖市负责辖区内省级样本、县(市)、区和省级亿元以上样本市场抽样调查资料的审核、数据质量评估和上报工作。二是采取多种方法对样本调查资料和推断结果进行认真评估。只有经过评估,抽样调查数据才能正式投入使用。各县(市)、区抽样调查数据正式使用之前,必须经过省辖市统计局…     

基于卡尔曼滤波估计的连续性抽样调查研究

 针对连续性抽样调查中如何提高连续调查数据准确性的问题,本文引入时间序列分析方法,分别考虑连续性抽样调查中的重复样本和轮换样本等不同情况,建立了连续性抽样调查下的状态空间模型,利用成熟的卡尔曼滤波估计方法给出了总体均值的估计量。由于状态空间模型及卡尔曼滤波估计方法能够充分利用各期连续样本的调查信息,给出了精度更高的估计量,从而能够产生更加准确的连续性时间序列数据。     

浙江省城镇居民消费与收入的半参数线性回归模型

通过样本数据(X1,Y1),i=1,2…,n去估计X与Y回归关系,传统的经济计量方法,往往是假设回归模型具有线性或可线性化的特殊形式,并把随机误差视为干扰,设法将其排除或过滤掉,从而反映趋势变动特征.