分类数据的计量误差模型

二分类总体单元被错误分类情形下,样本比例是总体比例的有偏估计。给出调整比例估计的两种方法：双样本方法和极大似然法,补充了经典抽样理论比例估计的内容。     

抽样调查下样本随机性的检验

 抽样调查下样本随机性的检验,不是考查抽样方法的优劣或是检查样本代表性的好坏,而是为了控制抽样调查的数据质量,检验所得样本和抽样方法的一致性,即调查机构是否严格按照抽样设计的要求去抽取样本。本文以等概率和不等概率抽样为例,揭示了如何利用相关辅助信息,构造检验统计量,进行样本随机性的检验。     

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。     

不重复抽样下总体比例的估计

文章研究了不重复抽样下总体比例的三种置信区间的范围概率.运算结果显示,目前各类有关抽样技术文献中普遍介绍的置信区间及其连续修正区间都不够理想.文章推荐了一种新的置信区间,它的范围概率比较集中分布在置信水平附近,最坏情形的范围概率与置信水平相差0.1左右,远胜于前面两个常见置信区间.     

概率抽样条件下样本代表性事后评估方法探讨

 样本代表性直接牵扯到统计数据质量和统计公布引起的民众反响,目前社会上不乏对政府统计数据的质疑之声,最终影响到政府统计机关的公信力,因此有必要重新审视现行样本代表性的研究。目前相关文献普遍强调不同抽样方式下的样本代表性的相对性内涵,确保样本的代表性仅从抽样方法和样本量两个维度入手,缺乏对既定抽样方法下样本代表性的事后评估体系的探索,以及多样本之间样本代表性优劣的比较方法研究。鉴于此,本文在结合人口普查数据基础上尝试从样本-总体整体分布和内部属性结构两个方面构建样本代表性事后评估的一整套指标和假设检验,进而找到一种多样本代表性比较的依据。最后对浦东新区2010年城镇居民收入调查样本进行了代表性检验的尝试。     

虚总体与样本虚比例

虚总体与样本虚比例南京林业大学厉嘉玲南京经济学院顾学宁重复抽样和不重复抽样是两种基本的抽样方式，采用不重复抽样，样本容量不会超过总体容量。采用重复抽样，在一定的条件下，样本容量却有可能大于总体数。例如：一批产品共２０００件，该种产品的使用寿命标准差δ...     

抽样中不等概率问题等概化研究

 在抽样中,我们经常会碰到观察个体大小不一的情况。例如,以乡为观察个体的农产量抽样估计、以学校为观察个体的学生身体素质抽样估计等。当我们所关心的标志即观察标志与个体大小基本呈等比例变化时,如果不分个体的大小而赋予它们同等被抽中的概率（即采用等该抽样法）,那么在仍然采用简单估计的前提下,抽中大的个体就会给出过高的总体估计值,抽中小的个体就会给出过低的总体估计值,从而使抽样估计受到大的抽样误差的支配。例如,在由一个以县为个体的样本数据来估计全国出生人数时,就会产生这种情况。为了减少抽样误差,人们就想到了不等概率抽样设计,即按个体大小赋予它们不同被抽中的概率并据以给出总体估计值。然而不等概抽样的一个很大的缺点是操作过程麻烦,尤其是当样本容量大于2时的不重复的不等概抽样十分困难。因此在实践中,人们希望能在保证必需的抽样精度的前提下,仍通过等抽样这种简便的方法来解决观察个体大小不一的这类抽样估计问题,即把不等概问题等概化处理。通过初步研究,本文提出以下三种处理方法：分层抽样估计法、转移观察标志法和回归估计法。     

样本参数的优化检验方法

文章讨论了一种新的抽样方法,并基于这一抽样方法提出了样本参数的优化检验统计量;证明了在一定条件下,当原假设成立时,该检验统计量与简单随机抽样下参数的似然比统计量具有相同的极限分布;并进一步比较了该检验与随机抽样下的似然比检验在参数空间上的功效.从检验所犯两类错误的角度说明了基于排序集抽样的似然比检验的优良性.     

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。     

对民意测验中不稳定样本的检验

在民意测验中,影响样本的代表性主要有两个因素:样本容量与样本单位的可信度。扩大样本容量与部分样本轮换可以保证样本的稳定性与可靠性,而保证样本单位的可信度一般要通过激励的方式。事实上对于部分样本单位存在激励无效的情形,一般采用部分重复抽样的方法来检验其可信度。如果以t检验证明其是小概率事件,就作为不稳定样本剔除。文章给出了一种检验不稳定样本的方法,表明其对民意测验结果的决定性影响和作用。     

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。     

一种处理不可忽略抽样机制下的小域估计的新方法

在小域估计中,由于抽样过程的复杂性以及不等概抽样的广泛使用,往往会出现样本域的抽样过程与域均值相关以及域内样本单元的选择过程与目标变量有关的情况,即不可忽略的抽样机制。文章介绍了一种解决处理不可忽略抽样机制下的小域估计问题的新方法;并通过一个模拟案例说明了这种方法可以得到样本域和非样本域的近似无偏的域估计。     

各种抽样调查方法的比较

抽样方法分为两类，概率抽样和非概率抽样。在抽样时如能得知总体中每一个单位被选为样品的概率，就是一种概率抽样，如其概率为不可知，则是非概率抽样。一、非概率抽样非概率抽样主要有下列四种：l、便利抽样——仅考虑方便的抽样方法，样品的选择只考虑到接近或衡量的便利，访问过路的行人便是一例。2、配额抽样——此法是最常用的一种非概率抽样方法。（1）选择“控制特征”，将总体按其控制特征细分成几个子总体；（2）决定各子总体的样本大小（按比例分配）；（3）选取洋本。配额抽样和分层抽样不同，后者是以随机抽样法从各子总体中…     

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.     

分层抽样样本量最优分配问题新探

一、问题的提出 在分层抽样中涉及到样本量最优化分配的问题.样本分配是分层抽样研究的一个重要方面.一般来说,一个恰当的分层的原则是这样的:确定各层的样本容量,使样本容量的分布趋于总体分布,以保证样本具有充分代表性,抽样估计准确度不断提高.为遵循这个原则,我们在分层抽样中所采取第一种方法是,按比例缩小来确定样本单位数结构,这是最简单可行的分配方式.但大多数人认为除遵循样本与总体单位数结构一致性外,还必须考虑总体不同层次方差的差异,满足抽样估计量方差的最小化要求.简而言之,就是指在有限资金、时间或其他与每层的样本分配量相关的条件限制下,分配每层的样本量,使估计量方差最小.这就是本文要研究的样本量最优化分配问题.     

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...     

论总体方差在抽样中的表述

简单随机抽样计算抽样方差需要总体方差。可是总体方差在表述时有两种形式。在一般叙述中不加以区分读者就不清楚是总体方差的那一种表述形式。这种情形影响了抽样方法的实施,也影响了《统计学》、《概率论与数理统计》、《抽样调查》等课程的衔接与联系,形成总体方差长期的误用。这种情形进而也影响了整群抽样、分层抽样和多阶段抽样等组织形式。文章侧重澄清总体方差在简单随机抽样中的误用。     

简单估计与比率估计效果的分析

一、引言 要了解被考察总体的信息,通常的手段就是抽样.面对众多而繁杂的数据,如何去抽取样本,抽取样本后又如何进行总体参数的估计,的确值得研究.简单随机抽样和分层随机抽样是常用的抽样方法.     

敏感问题乘法模型的RRT分层三阶段抽样最优样本量设定

文章研究数量特征敏感问题的乘法模型在随机应答技术(RRT)分层三阶段抽样方法下的最优样本量的问题.根据RRT分层三阶段抽样方法给出数量特征敏感乘法模型的调查设计方法,计算出总体均数的估计量及其方差.应用拉格朗日乘数法,给出了两种情况下的最优样本量,一是抽样误差限定而调查费用达到最小情况下的最优样本值,二是调查费用限定而抽样误差达到最小情况下的最优样本值.并计算出抽样误差一定时最小的费用及费用一定时最小的抽样误差.     

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