经济社会调查中的空间平衡抽样设计

在经济社会调查中,总体单元之间的空间相关性普遍存在,对传统抽样设计提出了挑战。针对这一问题,提出了使用经纬度坐标作为空间辅助信息,借助空间平衡抽样算法获取样本的设计思路。该种算法利用总体单元之间的空间距离设计抽样算法更新包含概率,使空间上距离较近的单元倾向于不同时进入样本,从而使样本单元在空间上均匀覆盖。实证研究结果表明,随着样本量连续增加,空间平衡抽样设计的估计量标准差在合理的抽样比范围内总是优于传统抽样设计,能够显著提高估计效率。     

MPPS抽样下Hansen-Hurwitz估计量的扩展

一、问题的提出一般来说 ,在抽样调查中 ,我们会尽量利用已知的辅助信息来提高估计的精度。下面考虑一个包含N个单元的有限总体 ,设y表示我们要研究的变量 ,x是一个已知而且是正的辅助变量 ,且它与变量y高度相关 ,yi 和xi 分别表示第i个单元的研究变量值和辅助变量值 (其中i =1,… ,N)。这样在抽样设计阶段 ,我们就可以充分利用辅助变量x。比如说 ,在放回抽样中 ,我们以pi 作为第i个总体单元被抽中的概率 (其中i =1,… ,N) ,而pi 的大小取决于已知的辅助变量值xi,即满足pi >0 ,∑Ni =1pi =1。在这样一种放回的不等概率抽样中 ,如果让每个…     

基于平衡样本的最优模型辅助抽样策略

模型辅助方法的思想是基于抽样设计借助于超总体模型获得对总体参数的有效推断.满足辅助变量的HT估计等于总体总量真值的样本被称为平衡样本.对于平衡样本,如果超总体模型的异方差性可以通过辅助变量解释,由此得出最优抽样策略:平衡抽样设计与HT估计结合是最优策略,包含概率正比于模型残差的标准差.     

不等概分类整群抽样下的均值估计及其性质

一、问题的基本提法设总体πN 分为K组 ,即πN =πN1 ∪πN2 ∪…∪πNK ,第i组πNi(i=1,2 ,… ,K)称为第I群 ,以Ni 表示第I群的容量 ,N表示总体的容量。在πN 中每个总体单位对应一数量指标 ,依次为Y1 ,Y2 ,… ,YN,其中N是已知的正整数。在πN 中 ,随机地将群按先后顺序排列 ,群中的个体任意先后排列 ,并加以编号 (不编也可 )。抽样分为两步 :先随机从总体中抽取容量为n的子样 ,再观察子样中个体的来源 ,若抽到的个体属于Ni 群 ,则Ni 群被抽中 ,然后对Ni 群中的个体逐个观察。设每个个体的某一数量指标分别为yi1 ,yi2 ,… ,yiNi…     

PPS适应性整群抽样设计及估计

在传统适应性整群抽样的基础上,提出PPS适应性整群抽样,即采用PPS方法获取初次样本单元,然后对初次样本单元进行样本外推得到聚集网和最终样本。首先给出PPS适应性整群抽样设计,然后对该抽样机制下总体单元入样概率进行推导,构造得到了修正的HT统计量,并通过模拟研究揭示了估计量的良好性质。     

如何编好抽样框

抽样框是用来代表总体 ,从中抽选样本的一个框架。准确、完备的抽样框是开展抽样调查的前提条件。抽样框误差主要来自 :1.遗漏目标总体单位 ;2 .包含非目标总体单位 ;3.上述两种情况并存 ;4 .复合链接 ;5 .抽样框的陈旧 ;6 .辅助信息不正确。可以采取以下方法减少抽样框误差。首先 ,在抽选样本之前 ,要对抽样框加以检查 ,发现可能存在的问题 ,进行识别、处理 ,并采取一定措施加以补救。可以和普查或其他调查资料的总值或行政记录等相比较、分析 ,进而查明是否存在遗漏或去除已注销的单位。可以利用客观现实的相互联系 ,找出平衡关系 ,推算是…     

交替抽样

在同一总体中,各单位某些项目的数字特征,往往随着时间的推移而发生变动,因此,在两个不同时间对同一总体的抽样调查,其前期和现期的估计量往往也随着发生变动,而人们最关心的是现期的统计量。所谓交替抽样,是指前期样本中的Pn个单位(0相似文献   

不等概抽样的应用

不等概抽样的应用江西财经管理干部学院袁晋华一、不等概抽样不等概抽样是指在抽取样本单位时每一单位被抽中的概率不完全相等。例如，设总体单位为Ｎ，现从中抽取几个单位组成一个样本，第一个单位被抽中的概率为，第二个单位被抽中的概率为，……，第Ｎ个单位被抽中的概...     

关于PoMix抽样方法的探讨

Poisson混和抽样(Poisson Mixture sampling,PoMix)是指一组用于高度偏斜的总体永久随机数法抽样技术。传统的Poissonnps抽样是PoMix抽样的一个特例。在高度偏斜总体的调查中,PoMix抽样相对降低了规模很大的调查单元的入样概率,提高了规模很小的调查单元的入样概率,于是缩小了在估计过程中规模大的单元和规模小的单元的权数的差异。当使用常规的估计量,PoMix抽样方案会得到比Poisson πps抽样小得多的方差。     

浅谈抽样推断的数学基础

社会经济统计和数学有密切的联系。统计中的很多理论和方法是以数学中的概率论为基础的。本文就抽样推断中，为什么能用总体中部分单位的实际资料来估计总体的参数？在作参数估计和假设检验时，所用的样本指标（统计量）的概率分布是什么？抽样误差和概率保证程度之间的关系如何推算？从数学理论上给予说明。     

论区间估计中抽样平均误差的随机变异

一、问题的提出 当我们从一个单位为N的总体中,随机抽取容量为n的样本时,这种同容量的样本可有C_N~n(确切地说是在不重复抽样时)。显然,每个样本的平均数x和标准差S都是独立随机变量。 这里借用高等院校文科试用教材《数理统计学》(天津人民出版社出版)中的一个例子,有100头猪在20天内的增重数据,它们近似于正态分布,这个总体的平均数为X=30磅,标准差σ=10磅。纯随机抽取容量n=10的样本十个。十个样本的有关统计量数据如下表:①     

二阶抽样下的样本轮换理论研究

在多阶抽样中,每一阶都对该阶样本单元进行抽样,这些样本单元在不同时期都可以进行替换,而且高阶样本单元替换必然导致低阶样本单元替换,因而样本替换拼配的方法比较灵活。比较简单的样本替换当然是只在某一阶抽样时进行替换,相对比较复杂的是同时在多阶段抽样中都进行样本轮换     

网络抽样浅析

一、什么是网络抽样 网络抽样区别于我们常提及的网络调查,它是一种随机抽样技术,强调在调查中如何利用总体单位问存在的关联抽取样本,而网络调查是一种调查方式,强调的是通过网络实施调查收集数据.所谓"网络抽样"就是指总体中样本的抽取是建立在一定的关联规则的基础上,在调查中被征询者不仅可以回答本人或其家庭成员的信息,还可以回答除此之外相关联群体的信息.     

按与单位大小成比例的概率抽样

大多数的抽样调查都是建立在对总体进行等概随机抽样的基础之上的.即当抽样框建立之后,抽样框中的每一个单位都有同样的概率被抽中.这种抽样方法并不适用于每一种抽样框.若不将所要调查的问题与抽样框中单位加以综合考虑,而都采用简单随机抽样,甚至其它的一些复杂随机抽样的方法来进行推断,都将造成样本的偏斜.例如,某省旅游部门想了解接待国外旅游者的能力,一个最希望知道的信息是宾馆房间数,若所选择的抽样框是该省各大、中、小城市的目录表,一个地区的中小城市总是比大城市多,若用简单随机抽样,则样本中的中、小城市就很多,而中、小城市无论是宾馆数,还是宾馆的规模与大城市都有较大的差异,这就造成了样本的偏斜.同样,若某地区的卫生部门想了解该     

部分轮换的连续时间抽样

在抽样调查中，有时必须在固定时间内估计随着时间变化的总体参数．如果在时间b总体的单位值和下一个时间h＋1的同一单位值存在相关，则可以利用以前样本所包含的信息来改善现或总体参数的估计．部分轮换抽样法就是每次抽样时剔除上次样本中的部分单位而其余部分单位仍被保留下来，被剔除的单位用新单位来代替．此法每次保留部分单位，既维持部分单位的连续性，以降低费用，又能加入部分新单位来代管总体的变化．它对定期公布的资伯特别适用．本文研究轮换抽样的原理及参数估计．一、连续时间的抽样设在时间h时总体平均值为Yk，方基为。‘…     

在社会经济调查中误用抽样调查方法的主要表现

唐山市统计局刘兴远在《江苏统计》1993年第11期撰文指出了当前误用抽样调查方法的主要表现: 一、不遵守随机原则,随意确定样本单位。严格意义上的抽样调查是指按随机原则,从总体中抽取一部分单位进行的调查,总体内的每个单位都有同等被抽取的机会或概率。随机抽样的最大优点是能够根据调查结果,客观地推断调查结果的准确度,而随便选取样本或从总体中选出一部分“典型的”单位等的非概率抽样,则不能客观地评价调查结果,从而无法保证调查结果符合调查目的。常见到一些社会经济调查,名义上也     

复杂抽样设计下的域估计问题研究

随着国内定量研究方法的开展和大型调查数据的免费公布,研究者不仅使用抽样调查数据对总体分析,还需要对域总体进行分析.本文对调查数据满足域精度推断的域估计问题进行研究.首先,根据实际调查中的域估计问题,指出解决域估计问题最好的方法是事先确定好需要估计的域,并在抽样设计时兼顾域的估计精度.但是,在实际调查中还包含计划外的域,通过对简单随机抽样下的域估计问题的研究,说明非计划域的估计问题的最大难点是域样本量的随机性.然后,针对实际中的抽样调查数据多来源于分层、多阶段、整群和不等概率等复杂抽样设计的问题,指出需要结合复杂抽样设计信息、域样本量的随机性、域样本在总体的误差层和误差群中的分布,对复杂抽样设计下的域估计问题进行研究.最后,以中国家庭追踪调查(China Family Panel Studies,CFPS)为例,对复杂抽样设计下的域估计问题进行案例研究.     

多阶段抽样比率估计

目前 ,单阶段、两阶段的抽样理论较丰富 (见文献 [1])。三阶段以上的抽样理论不完善。在这篇文章中 ,我们讨论多阶段抽样比率估计 ,给出了样本估计抽样均方误差及其无偏估计的公式。首先将总体Ｍ个单位分为Ｒ个一级组 ,第ｉ1(1≤ｉ1≤Ｒ)个一级组包含Ｒｉ1个二级组 ,第ｉ1一级组中第ｉ2 (1≤ｉ2 ≤Ｒｉ1)个二级组包含Ｒｉ1,ｉ2 个三级组 ,… ,直到前ｎ - 2级组分别是第ｉ1,ｉ2 ,… ,ｉｎ -2 个的ｎ- 2级组包含Ｒｉ1,… ,ｉｎ-2 个ｎ - 1级组。第ｉｎ -1个 (1≤ｉｎ -1≤Ｒｉ1,… ,ｉｎ -2 )ｎ - 1级组包含Ｒｉ1,… ,ｉｎ -1个总体单位。则Ｍ…     

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。     

不放回样本追加策略下域的估计

 本文研究了不放回追加策略，包括基本设计和域追加设计都为简单随机抽样、分层随机抽样情形下不放回样本追加时域的估计的问题。根据不同的抽样设计给出单元的一阶及二阶包含概率的具体计算公式，并构造总体总量和域总量的Horvitz—Thompson型估计，然后基于简单随机抽样的不放回追加抽样方案，给出总体单元的前两阶包含概率。及该方案在分层抽样下的推广，在有辅助信息可用时构造域总量的分层联合比估计，并给出其方差和方差估计公式，同时我们给出了模拟结果，从模拟结果可以看出，给出的方差估计是估计量方差的近似无偏估计。