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。     

用PPS单级整群样本估计总体的个体间方差

文章主要通过构思以PPS抽样方式抽取单级整群样本,在已用样本资料算出在某总体应用该抽样方案的设计效应的基础上,为推算下一个调查期对该总体依照该方案抽取样本时所需样本量的过程中,讨论如何用PPS单级整群样本来构造总体的个体间方差的无偏估计量的问题.     

本期导读

抽样技术领域中估计量的稳健性问题始终受到广泛关注。基于模型推断方法思想是假设有限总体是某个超总体或者某个概率分布的一次随机实现,估计量是基于这个超总体模型作出的。有限总     

放回抽样下HT估计量的性质及应用

放回抽样下传统的估计方法是采用Hansen-Hurwitz估计。而放回抽样下HH估计量并不是一致最小方差无偏估计,本文提出了另一种估计方法,即采用Horvitz-Thompson估计,并论证了放回抽样下HT估计量的三条定理,及与HH估计量的比较。然后以放回简单随机抽样和PPS抽样为例,通过理论公式、计算机模拟以及具体案例,进行更具体的分析。说明在一定条件下,HT估计量相对更优。在实际应用中,本文也提出了通过比较方差估计作为选取估计量的准则。     

PPS抽样下比率估计量的构建及应用

在PPS抽样的估计阶段为提高估计精度,利用比率辅助信息分别构建比率HH和比率HT估计量,并对这两种新估计量的性质进行研究,推导得到了估计量均方误差的近似表达式。同时,结合实例进行对比分析,展示了新估计量的优良性质。     

双重抽样框下项目无回答插补估计方法研究

抽样调查工作中无回答情形不可避免,双重抽样框下亦如此,因此需要对双重抽样框下抽样调查项目无回答造成的估计量偏差进行纠偏校正。首先通过二重抽样获取辅助变量的信息,使用其构造比率估计量与比率型指数估计量的组合估计量对双重抽样框下抽样调查中项目无回答数据进行插补,得到对应各部分子总体的均值估计,再用Hartley估计量的形式对总体总值进行估计。通过计算估计量偏差、均方误差及最优权重系数,对比相同条件下完全回答时同类型组合估计量均方误差的相对精度损失与使用单一比率型指数估计量的相对精度损失,随机模拟结果显示损失率较低,插补方法有效。选择合适的辅助变量构造比率估计量和比率型指数估计量的组合估计量做插补值,更充分利用辅助变量和已回答研究变量信息,基于提出的组合估计量于抽样调查工作具有一定的应用价值。     

复杂抽样推断方法体系的比较研究

对复杂样本进行推断通常有两种体系,一种是传统的基于随机化理论的统计推断,另一种是基于模型的统计推断。传统的抽样理论以随机化理论为基础,将总体取值视为固定,随机性仅体现在样本的选取上,对总体的推断依赖于抽样设计。该方法在大样本情况下具有稳健估计量,但在小样本、数据缺失等情况下失效。基于模型的抽样推断认为总体是超总体模型中抽取的一个随机样本,对总体的推断取决于模型的建立,但在不可忽略抽样设计下估计量是有偏估计。在对这两类推断方法分析的基础上,提出抽样设计辅助的模型推断,并指出该方法在复杂抽样中具有重要的应用价值。     

怎样确定子总体--有关规模以下工业抽样调查的思考

分层抽样是经常使用的一种抽样技 术。采用分层抽时,总体被分为同质但又不相互重叠的若干部分,这些部分被称为子总体或层。 划分子总体的动机大致可分为主动的和被动的两种。所谓主动,又常出于两种考虑:一是为了提高抽样效率,即对于同一个调查总体和同样的调查精度要求,采用不同的抽样方法和估计量所需要的样本量会有很大的差别,样本星小的为抽样效率高,反之,则为抽样效     

偏差及其控制

与全面统计相比,抽样调查数据质量控制更复杂,涉及环节更多。一般地,抽样调查总误差可分解为两大部分,一是偏差,它反映了总体估计量的期望值与总体参数的偏离程度;另一是抽样方差,它描述了总体估计量与总体估计量期望值的偏离程度。抽样方差的理论研究比较成熟,规模以下工业经过六年多抽样实践,对抽样方差控制积累了比较丰富的经验。而偏差产生的机理比较复杂,涉及环节多,并且很多是无法计算的,理论上对偏差的研究也很不充分,因此在实际操作中对偏差的控制比较困难,而且很难把握。本文结合福建省规模以下工业抽替换规则很难得到严格执行,常…     

人口普查遗漏的组合式估计方法

以人口普查标准时点上的人口总体(全国、全国以下各行政区)为研究对象,研究如何利用对总体登记的普查人口名单和覆盖调查人口名单构造的组合式遗漏估计量估计人口普查遗漏⁽(1))人口数。目前各国政府统计部门在人口普查遗漏估计中主要使用单重遗漏估计量,但该方法未包括同时遗漏于这两份调查人口名单的双重遗漏人口,低估了总体普查遗漏人口数。组合式遗漏估计量除了包括单重遗漏人口外,还包括了双重遗漏人口,避免了单重遗漏估计量的缺陷。采取抽样估计和数理模型相结合的方法研究单重遗漏估计量、双重遗漏估计量和组合式遗漏估计量,理论和数据分析结果表明：组合式遗漏估计量在抽样估计精度和遗漏人口数估计上优于单重遗漏估计量,尤其是在分析双重遗漏人口特征和改进未来人口普查登记工作等方面;在使用刀切法近似计算总体的组合式遗漏估计量的抽样方差时,不能忽视等概率人口层之间的协方差,否则可能低估或高估其抽样方差;单重遗漏估计量和组合式遗漏估计量属于有偏估计量,要使用均方误差比较其估计精度。本文创新之处在于,利用原始数据全面演示了单重遗漏估计量、双重遗漏估计量和组合式遗漏估计量及其抽样方差估计量等的详细计算过程...     

论MPPS抽样设计的主要内容

本文讨论了由美国农业部国家农业统计署开发的MPPS抽样设计,这种抽样设计主要用于解决多目标调查的问题。这里讨论了与这种抽样设计相关的一些内容,比如,关于MPPS抽样设计的提出,它的估计量的计算公式,系统抽样与泊松抽样的应用等。文中给出了在一定条件下,适用于SRS、PPS和MPPS抽样设计族的一个统一估计量公式,此公式有利于我们理解三种抽样设计之间的联系。本文还讨论了MPPS抽样设计的基本应用,以及在应用和教学中应该注意的一些问题等。     

估计量优良标准质疑

在进行抽样推断时,可以设计许多估计量来估计总体参数,于是就产生了用什么标准来衡量估计量好坏的问题。我国统计工作者一直把无偏性、有效性、一致性和充分性看作是评价估计量的优良标准,但对它的科学性和实用性却没有进行系统的研究。目前,国际上对于估计量的优良标准有两种截然不同的观点:一     

大数据背景下多重抽样框方法探讨

当前所获取的大数据并非都是总体数据,通常未能完全覆盖总体,因其多源异构的特性,致使传统的数据分析方法受阻。文章将抽样调查方法引入到大数据中,对大数据背景下应用多重抽样框的必要性进行剖析,并主要针对大数据中数据多源异构的难点,将每个来源数据作为一个抽样框进行处理,提出了大数据中多重抽样框的构建。进而根据大数据的数据特征进行分类,针对不同情况确定是否需要进行分阶段抽样设计,并提出运用SF估计量对基于多重抽样框的总体进行估计,此估计量较为符合大数据中多重抽样估计的需求,并能对总体有较好的估计。     

基于多重抽样框的连续性抽样估计方法研究

多重抽样框可以解决单一抽样框难以完整覆盖流动性目标总体的难题,连续性抽样调查则可以获取变量的时序观测数据,对总体现象进行追踪调查。本文将多重抽样框调查与连续性抽样调查两种方法结合在一起进行研究,深入分析基于多重抽样框的连续性抽样估计方法。文章首先设计了连续性调查环境下总体结构变动表;然后,在简单随机抽样假定下的轮换样本调查情形开展研究,设计了14种参数缩减方法对构建的似然函数进行估计求解,并给出了估计量的迭代计算过程;最后,对本文的研究内容进行了总结与展望。     

基于排序集抽样方法的调查费用分析

排序集抽样是利用辅助信息收集数据的一种有效方法,基于该抽样方法进行统计推断越来越受到人们的重视。然而,已有的研究结果仅考虑统计推断的效率而忽视了调查费用,鉴于此,文章考虑估计精度和调查费用两个方面,基于排序集样本建立了总体均值的估计量,证明了该估计量在给定的估计的精度下,降低了调查费用,并通过实例进一步说明了该抽样方案的优良性。     

基于二阶段抽样的双重抽样框估计量设计

为了探究多阶段抽样情形下双重抽样框调查的估计量设计，文章对双重抽样框下的二阶段抽样估计方法进行了研究，得出了简单随机抽样下的总体总值估计及其估计量方差，对于更高阶段的抽样估计量设计，可以在二阶段的基础上扩展。文章所得的分析结果可为实际部门在双重抽样框下进行二阶段（或者多阶段）抽样调查提供相关的理论基础。     

基于组合式三系统估计量的人口普查净误差估计

研究组合式三系统估计量,旨在为政府统计部门设计人口普查净误差估计方案提供重要参考,提高净误差估计精度。研究对象是人口普查标准时点上的人口总体。利用对这个总体登记的普查人口名单、事后计数调查人口名单和行政记录人口名单构造的组合式三系统估计量,解决当今人口普查净误差估计前沿方法的普通三系统估计量所存在的问题。这些问题包括未考虑到不同信息的重要性,以及在使用之前还要进行复杂的检验或选择。为实现这一目标,采取数理模型方法研究组合式三系统估计量及其与之相关的抽样及估计问题。研究结果表明：组合式三系统估计量须在等概率人口层建立,分层刀切法适合于近似计算其抽样方差;事后计数调查人口的构成方法影响组合式三系统估计量的估计精度。采用A构成法建立的组合式三系统估计量在抽样估计精度方面优于使用B构成法构造的组合式三系统估计量;在计算组合式三系统估计量估计的总体实际人口数的抽样方差时,不能忽视协方差的存在,否则低估或高估总体的抽样方差。研究创新是提出抽样登记的、人口移动的组合式三系统估计量。研究价值在于,将目前的普通三系统估计量拓展到组合式三系统估计量,丰富了三系统估计量理论,拓宽了人们研究三系统估计量的视野...     

论属性总体方差估计

计算抽样平均误差需要总体方差，总体方差通常未知，可以用样本方差代替总体方差。用样本方差替代属性总体方差是一个经常遇到的问题。文章阐述了在简单随机抽样时，因抽样方法不同，属性总体方差的无偏估计量是三种不同的形式，而一般理论书籍叙述的属性总体方差的无偏估计量是一种形式。用样本方差估计总体方差，只有样本调整方差才是总体方差良好的估计量，特别是在小样本的条件下比使用样本方差更为合理     

基于“三新”企业分层抽样单元权重动态调整的估计方法

对“三新”企业进行抽样调查是及时掌握和监测“三新”经济发展的重要手段。考虑到这一类调查总体单元变动比较迅速,抽样框信息变动大,无法及时覆盖总体的最新特征,依此抽样框得到的样本数据结构与总体的分布结构差异较大,样本的代表性较低,会对总体数量特征的有效估计产生影响。因此,基于调查总体单元的变动特征,把抽样框中的单元划分为保留单元和转移单元,在此基础上,依据样本单位分层结构的变动,设计了基于“三新”企业分层抽样单元权重动态调整的估计方法。首先,通过事后分层方法挖掘出不同层的单位特征,并预测抽样框各层容量;其次,依据层规模的变动预测对目标变量估计量的权重进行修正;最后,通过自我加权设计构造出总体动态变动后数量特征的复合估计量,并对其进行优良性讨论。在对“三新”企业的模拟数据进行多次重复抽样实验中,相比于固定抽样框下的传统方法,基于分层抽样单元权重动态调整的估计方法具有更高的抽样效率,构造的关于总体数量特征的估计量具有无偏性和有效性。     

改进的汉森-赫维茨估计量及其应用

本文利用阈值截断方法对经典的汉森-赫维茨估计进行修正,提出改进的汉森-赫维茨估计量（简称IHH估计量）。理论上,本文证明了IHH估计量的相合性,渐近无偏性和渐近正态性,并给出了IHH估计量的均方误差及其无偏估计。此外,基于IHH估计量,本文分别对分层抽样和二阶抽样下的有限总体估计进行改进。为说明所提出方法的有效性,本文比较了所有改进估计量和传统估计量的均方误差。最后,数值分析进一步说明本文提出的估计量具有更高的精度。