抽样调查校准估计法的应用研究

文章归纳梳理了抽样调查校准估计法的理论发展,对最短距离法、工具向量法和参数校准法的基本理论与操作进行了对比分析.在此基础上,进一步对抽样调查的两阶段校准估计法原理及应用进行了分析,并选取了我国混合所有制经济国有企业中进行了国企产权改革的企业为样本,并基于这三种校准估计方法得到混合所有制国企产权改革的绩效数据与实际的绩效数据进行了比较,以判断抽样调查校准估计方法的有效性.研究发现,从均方误差和相对偏差的角度来看,最短距离法、工具向量法和参数校准法这三种抽样调查校准估计法都能很好的估计混合所有制国企产权改革绩效,但参数校准法更加有效.     

多目标变量调查的小域的稳健估计量研究

大型的抽样调查不仅是多目标的复杂调查,而且在估计总体目标变量的基础上还需要对其中的一些域的目标变量进行估计,所以小域估计和多目标估计问题一直是抽样调查的热点问题.文章主要利用模型校准权数的方法,解决小域中的多目标估计问题,并得到小域的多个目标变量的稳健估计量.     

权数在人口抽样调查估计中的应用研究

很多全国性大型人口抽样调查项目中的核心技术包括抽样方案设计、样本单元的权数计算等。用样本数据推断总体,权数的作用很关键,尤其是抽样调查越来越难保证做到等概率抽样的情况。为此,采用第四次中国城乡老年人生活状况抽样调查中的具体调查方案和实际调查数据,系统地对抽样过程中的权数进行测算,同时根据权效应对权数进行调整和控制,利用刀切法对相关统计量的标准误差和变异系数进行对比分析,来验证权数控制在提高精度方面的有效性。结合老年人生活状况的调查数据进行实证分析,结果表明,利用刀切法计算权数截取的标准误差比未调整权数的标准误差更有效,得到变量的变异系数更小。     

基于多重抽样框的校准估计方法研究

在现代抽样调查中,校准估计方法能够通过有效利用辅助信息来提高估计量的精度,多重抽样框抽样调查则不仅可以解决单一抽样框覆盖不全的问题,还可以节约抽样设计阶段的成本。本文将这两种现代抽样估计与设计方法进行结合,将校准估计方法引入到基于多重抽样框的抽样调查体系中,在实现节约调查成本的同时,还能够提高估计量的精度。文章首先按照分离抽样框与组合抽样框估计方法的分类思路,对传统多重抽样框估计方法进行系统梳理;然后在最短距离法校准估计的分析框架下,按照调查时所能掌握辅助信息的具体情况,给出了两类多重抽样框估计情形下的各种不同形式的校准估计量;随后数值分析的比较结果也表明在多重抽样框中校准估计量的估计效率明显优于传统估计量;最后对本文研究进行总结的基础上,给出了我国抽样实践中应用这套先进抽样估计方法体系的展望。     

抽样调查中的权数问题研究

用样本数据推断总体,权数的作用十分重要。使用权数,不仅能将样本还原到总体,还能调整样本结构,使其与总体结构相一致,因此正确的使用权数是我们进行统计推断的基础。本文系统阐述了抽样调查分析中权数的获取过程,以及后期对初始权数调整过程。由于权数是把双刃剑,在提高精度的同时,有可能提高估计量的误差,本文提出了对权数进行评估的方法,研讨如何对权数进行控制,最后根据我国综合社会调查项目（CGSS）的数据进行实证分析,按照所给方法不仅能提高估计精度,而且能够降低抽样推断中的权效应。     

辅助信息在抽样调查中的应用

一、辅助信息及其种类 在抽样调查中，调查指标的样本信息是估计总体目标量必不可少的信息，我们称其为基本信息。由于样本是总体的一部分，抽样又是按照一定概率进行的，故样本提供的是不全面的且带有随机干扰的信息。这就是说，基本信息不仅量极其有限，而且在反映总体特征时常常伴有不可消除的偏差，这就必然使估计量精度受到一定限制。 在许多情况下，我们在抽样调查之前对总体及抽样单元并非一无所知，往往是事先掌握某些可资利用的总体信息及抽样单元信息，而在抽样调查中除了获得调查指标的样本信息外，常可伴随获得其它可资利用的样…     

辅助信息及在抽样调查中的应用

一、辅助信息及其分类 抽样调查是通过对样本的调查达到对总体目标量的估计。在抽样调查中,调查指标的样本信息是估计总体目标量必不可少的信息。通过对样本调查并对所得数据加以整理,获得调查指标在总体中分布的某些特征,由此给出总体目标量的估计。我们把调查指标的样本信息称为基本信息。由于样本是总体的一部分,抽样又是按照一定概率进行的,故样本提供的是不全面的且带有随机干扰的信息,这就是说,基本信息不仅信息量极其有限,而且这极其有限的信息在反映总体特征时常常伴有不可消除的偏差,这就必然使估计量精度受到一定限制。 …     

辅助信息及其在抽样调查中的应用

辅助信息即除调查指标样本信息以外的一切有关总体、抽样单元及样本的信息。抽样调查在不扩大调查规模的情况下 ,充分利用辅助信息是提高估计量精度的有效手段     

比值估计法及其在抽样调查中的应用

比值估计法及其在抽样调查中的应用合肥经济技术学院汪琥庭设Ｙ是抽样调查中的目标变量（主要因子），Ｘ是与之有显著线性关系的另一变量（辅助因子），在通过样本的观察值来估计总体Ｙ的均值Ｙ时，如果直接抽取并观察Ｙ的个体需要较大的费用或因可操作性小很难直接抽查，...     

抽样调查中的比估计和相关估计法

抽样调查的目的是从样本信息估计总体总数或平均数。比估计法和线性回归估计法由于使用了与y有关的辅助变量x而提高了估计这两个指标的可靠性。 为了便于叙述,我们引进下列记号: n=样本容量;N=总体单位数; f=n/N=抽样比率;g=1/f=增加因子; x=辅助变量,例如单位的容量(亩数,居民数等); y=所研究的变量; X,(?)=总体中x的总数,及其估计;     

Mean Estimation Under Successive Sampling with Calibration Estimators

The estimation of the finite population mean in successive occasions is investigated with calibration estimators in this article. We propose several estimators based on calibration techniques with arbitrary sampling design in each of the occasions. Asymptotic variance formulaes are derived for the proposed estimators. The properties of these estimators are studied via a simulation study and using natural populations.     

双重分层抽样中的校正估计

校正估计法已被大量运用于抽样调查中,它利用辅助信息构造的校正权重提高了对总体总值（或均值）的估计精度。本文提出了分层抽样中的校正组合比率估计量,并推广到分层双重抽样中。同时给出新估计量的近似方差表达式。最后利用计算机随机模拟验证较正估计量对估计精度的改进。     

基于回归组合技术的连续性抽样估计方法研究

在使用样本轮换的连续性抽样调查中,不仅可以利用前期调查的研究变量的信息,还可使用现期调查的辅助变量信息来建立回归模型进行回归估计,进而构造回归组合估计量,并在此基础上确定最优样本轮换率和最优权重系数,使得回归组合估计量的方差最小,从而更大程度地提高连续性抽样调查的估计精度。     

Median Estimation Using Double Sampling

This paper proposes a general class of estimators for estimating the median in double sampling. The position estimator, stratification estimator and regression type estimator attain the minimum variance of the general class of estimators. The optimum values of the first-phase and second-phase sample sizes are also obtained for the fixed cost and the fixed variance cases. An empirical study examines the performance of the double sampling strategies for median estimation. Finally, an extension of the methods of Chen & Qin (1993) and Kuk & Mak (1994) is considered for the double sampling strategy.     

Calibration of the estimators of variance

This investigation suggests new techniques to calibrate estimators of variance. Estimators of the variance of simple mean, ratio and regression estimators under different sampling schemes are shown to be special cases of the proposed calibration techniques. The approach has more practical use due to recent advances in programming techniques and computational speed. An empirical study has been carried out to address the properties of these proposed strategies.     

抽样调查中基于平衡样本的稳健预测

抽样调查中基于模型推断方法获得的估计量性质是依赖于模型的。在恰当的模型下比率估计和扩张估计是最优线性无偏估计。当模型设定错误时,比率估计和扩张估计是有偏估计,但如果样本是平衡的,可以消除偏倚,从而实现了复杂问题简单处理的思想。     

Empirical Likelihood Inference for the Rao‐Hartley‐Cochran Sampling Design

The Hartley‐Rao‐Cochran sampling design is an unequal probability sampling design which can be used to select samples from finite populations. We propose to adjust the empirical likelihood approach for the Hartley‐Rao‐Cochran sampling design. The approach proposed intrinsically incorporates sampling weights, auxiliary information and allows for large sampling fractions. It can be used to construct confidence intervals. In a simulation study, we show that the coverage may be better for the empirical likelihood confidence interval than for standard confidence intervals based on variance estimates. The approach proposed is simple to implement and less computer intensive than bootstrap. The confidence interval proposed does not rely on re‐sampling, linearization, variance estimation, design‐effects or joint inclusion probabilities.     

Some calibration estimators for finite population mean in two-stage stratified random sampling

Abstract

In the present article, an effort has been made to develop calibration estimators of the population mean under two-stage stratified random sampling design when auxiliary information is available at primary stage unit (psu) level. The properties of the developed estimators are derived in-terms of design based approximate variance and approximate consistent design based estimator of the variance. Some simulation studies have been conducted to investigate the relative performance of calibration estimator over the usual estimator of the population mean without using auxiliary information in two-stage stratified random sampling. Proposed calibration estimators have outperformed the usual estimator without using auxiliary information.     

A Monte Carlo comparison of some variance estimators of the Horvitz–Thompson estimator

At the design and estimation stage of a survey, large survey organization often uses auxiliary information. This article discusses various procedures for improving variance estimation of the Horvitz–Thompson estimator of a finite population total with the aid of auxiliary information. To study the design-based properties of the proposed variance estimators relative to the standard one, a small scale Monte Carlo study is performed.     

Calibration Weighting in Stratified Random Sampling

A new calibration estimator is proposed to estimate the population mean in the stratified random sampling. The corrected expression of Tracy et al. (2003) calibrated weights are presented and new improved calibration weights are introduced. Theoretical variance of the suggested estimator is discussed. Also a simulation study is carried out to show the properties of the proposed estimator.