改进样本代表性的多目标追加平衡设计

本文主要讨论样本代表性的改进和多目标调查两个问题。一,本文提出了一种新的改进样本代表性多目标抽样方法,增加样本量与调整样本结构相结合的方法-追加样本的平衡设计,即通过追加样本,使得补充的样本与原来的样本组合生成新的平衡样本,相对于初始样本,减少样本与总体的结构性偏差。平衡样本是指辅助变量总量的霍维茨汤普森估计量等于总体总量真值。二,平衡样本通过选择与多个目标参数相关的辅助变量,使得一套样本对不同的目标参数而言都具有良好的代表性,进而完成多目标调查。结合2010年第六次人口分县普查数据,通过选择多个目标参数,对追加样本后的平衡样本作事后评估结果表明,追加平衡设计能够有效改进样本结构,使得样本结构与总体结构相近,降低目标估计的误差;同时也说明平衡抽样设计能够实现多目标调查,提高样本的使用效率。     

规模以下工业抽样调查中代表性样本的一种探索设计:平衡抽样设计

规下工业抽样调查是社会经济统计调查的重要组成部分,为国民经济核算提供基础数据,而样本代表性直接决定统计推断结果。对企业目录库抽取平衡样本,能够使得样本结构与总体结构相似。平衡样本是指满足如下条件的样本:辅助变量的汉森赫维茨估计等于总体总量真值。平衡抽样设计需要包含丰富辅助信息的完善抽样框,政府统计数据能够为此提供足够的支撑。基于2009年工业企业数据库的实证分析表明,平衡抽样设计对总体总量的估计相对误差很小,特别是估计的均值与总体真值非常接近,近似无偏;与简单随机抽样比较,平衡抽样设计更加有效。     

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.     

季度调查的另一种平衡三层次样本轮换模式

季度调查需要样本轮换，采用多阶段抽样设计的季度调查需要多层次样本轮换。针对采用三阶段抽样设计的季度调查，在此之前构造的一种平衡三层次样本轮换模式的基础上，构造了另外一种平衡的三层次样本轮换模式。该模式同样对任何一级单元的任何一次轮换各级抽样单元的样本拼配率保持不变。     

月度调查的第四种平衡的三层次样本轮换模式

采用三阶段抽样设计的月度调查需要实施三个层次的样本轮换,平衡三层次样本轮换模式使得任意一级单元的任意一次轮换各级抽样单元的样本拼配率不变.文章构造了一种新的平衡三层次样本轮换模式.     

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。     

基于非平衡面板数据的总体比例变动的检验方法

文章针对添加新生单元固定样本纵向调查设计和非平衡面板数据,研究不等比例抽样情形下,两个连续时点间总体比例变动的显著性检验方法.基于两种处理重叠样本的思路和对随机抽样情形下相关研究方法的改进,提出了两种新方法,用来估计不等比例抽样情形下总体比例之差的方差,进而检验总体比例变动的显著性.     

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。     

两阶段抽样调查的平衡两层次样本轮换研究

文章对于两阶段抽样月度调查中的平衡两层次样本轮换问题,构造了一种新的平衡两层次样本轮换模式.对于一级单元规模较大的两阶段抽样月度调查,该模式中一级单元的轮换模式为8-4-8(16),二级单元的轮换模式为2-10-2(4).     

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。     

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。     

月度调查的一种平衡两层次样本轮换模式

采用两阶段抽样设计的月度调查需要实施两层次样本轮换．在实施两层次样本轮换时需要保证相邻两月及相邻两年的相同月份最终抽样单元的样本拼配率，本文在借鉴日本劳动力调查两层次样本轮换模式的基础上构造了一种新的平衡两层次样本轮换模式。     

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。     

关于样本代表性的理解

本文对抽样调查中样本代表性的概念进行分析，指出判断一个样本是否具有代表性在于这个样本的抽取是否存在人为 干扰，概率抽样下抽得的样本具有好的代表性。     

提高抽样调查样本代表性的措施

抽样调查的目的是通过有限的样本的指标(样本平均数,样本成数)来估计总体(population)的参数(平均数,总体成数),由于用样本来估计总体,所以人们期望样本能如实地反映总体、代表总体,因而如何提高样本的代表性,就成为当前研究的热点之一。一、样本代表性的含义目前在国内,不少关心或从事抽样调     

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…     

轮换样本抽样下的回归估计

轮换样本抽样是一种较新的抽样方法，它可克服固定样本抽样的缺点，而且在一定程度上可节省调查时间和经费。对轮换样本进行回归估计可充分利用前期样本的资料，通过提高前后期样本的相关系数和控制样本的轮换单位数来减小由样本推断总体的估计方差，轮换样本单位数少于原样本单位数的一半时，轮换样本单位数越多，估计精度越高，当轮换样本单位数是原样本单位数的一半时估计精度最高     

抽样调查中基于模型的稳健预测方法

基于模型的推断是抽样技术中推断估计量的一种重要方式。文章研究得出,当比率估计模型或者扩张估计模型偏离总体真实模型时,比率估计和扩张估计往往是有偏的,平衡样本能够消除比率估计和扩张估计的偏倚,使得估计量是偏倚稳健的。     

二级单元调查六次时的一种两层次样本轮换方法

文章基于两阶段抽样月度调查,构造了一种新的平衡两层次样本轮换模式.该模式中一级单元的样本轮换模式为9-3-9(18),二级单元的样本轮换模式为3-9-3(6).     

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。