敏感问题调查设计以及估计

对于多项选择敏感问题抽样调查,为了避开以往使用随机化调查时使用随机化装置带来的不便,提出一种间接问卷调查策略.结合问卷设计对个体隐私的保护度,对辅助信息的选择提出了的建议,并得到了敏感属性比例的极大似然估计和Bayes估计.数据模拟的结果显示,相比于极大似然估计,小样本时Bayes估计便有较高的精度.随着样本量的增加,两种估计结果趋于一致.提出的间接问卷调查策略,相比于以往的随机化调查技术,具有方便、省时等特点,可在实践中应用.     

双辅助信息敏感性问题问卷调查技术

对于敏感性问题调查,已有多种随机化策略.提出一类方便、实用的双辅助信息间接问卷调查方法,讨论了估计量及其方差以及精度与保护度之间的关系.通过比较得出,在相同的保护度下,随机化方法与问卷方法在精度上各有得益.     

随机化策略的公平比较

采用随机化技术对敏感问题实施抽样调查，至今已有很多可供选择的随机化策略; 其中大多数策略是通过选择恰当的设计参数来达到改进效率的. 然而两种方案即使具有相同的设计参数值，但对个体的保护度也可能不同. 所以早期一些文献效率比较没有基于相同的对个体保护度， 因此那些比较是不公平的. 该文补充了这方面的理论。 在相同的保护度下，精确比较了这些已有的策略；得到的结果表明： 必须重新评价这些早期的随机化策略.     

一个可供选择的敏感问题调查技术

为了估计一个人群总体中具有敏感属性个体的未知比例，本文提出了一种简便易行的随机化回答技术．提出的方法不需要对样本个体直接询问敏感问题．每个响应者要求根据抽自两个卡片包的两张卡片的颜色和响应者是否具有敏感属性作出一个序对的回答．通过设计参数的适当选择，说明提出的方案比已有的一些随机化策略具有更高的效率．另外，这一策略对个体隐私具有很好的保护性且容易实施．     

关于大学生某些敏感性问题的调查与统计分析

(一) 为较真实地了解到大学生目前政治思想状况,我们采用随机化选答的方式就大学生 某些较敏感性问题作了调查和统计分析,并已将结果提供给有关领导. 人们在进行社会调查中经常会碰到一些敏感性或高度私人机密的问题。如“你高考 中作弊了吗!”“你拥护共产党吗!”等等·对这类问题,若直受询问被访者或采用匿 名答卷(被访者担心会从字迹中被辨认出来)的方式都很难于得到真实地回答.文献〔1〕 (2)介绍了随机化选答的方法来处理这类问题. 所谓“随机化选答”,就是对某一敏感性问题,向被访者提出两个问题.如调查政 治信仰,可向学生提如下两个问…     

估计敏感特征比例和敏感指标均值的问卷调查技术

提出了一种敏感性问题问卷调在技术.在相同的样本量下,提出的问卷调查技术可以获得调查者所关心的两项敏感指标(敏感比例π_x和敏感指标均值μ_x).此外,还定义了关于敏感指标的极大似然估计形式,给出一种问卷调查装置对个体隐私保护的度量方法.利用Monte Carlo方法模拟计算了在简单随机有放回抽样设计方案下估计量的精度和装置的保护度.     

一种可供选择的随机化调查方法

本文提出了一种新的随机化调查方法,Warner(1965)和Horvitz,Simmons(1967)随机化回答方法是本文方法的特殊情形.这一方法比Warner(1965)方法和Mangat(1990)方法更有效. 当考虑存在不真实回答时,在一定的条件下并且不损失对个体保护度和不增加调查成本的前提下,提出的方法优于Simmons(1967)方法和Sarjinder Singh(2000)方法.对简单随机不放回抽样,在总体非敏感属性个体比例未知的情况下,给出了两个子样本容量的最优配置.     

双辅助信息随机化回答模型的两种估计量

随机化回答技术是进行敏感性问题调查和推算总体特征比例的一种有效方法.通过在随机化回答技术中使用辅助信息,可以提高估计量的精度,从而得到更为合理的调查结果.在随机化回答技术中引入两个辅助信息,提出比方法和比方法与回归方法组合的两种估计量,计算了这两种估计量的均方误差,并通过数值计算验证了两种估计量的合理性.     

随机化应答调查方案的参数估计问题

随机化应答调查是一种特殊的数据采集技术,使得调查者既得到了某个敏感问题的信息又保护了被调查者的隐私,本文研究从两种随机化答调查方案采得数据后的参数估计问题,在应用Ｂａｙｅｓ估计时,给出了便于Ｍａｔｈｅｍａｔｉｃａ软件计算的后验均值和方差的公式,通过模拟实验,比较了两个方案所得估计量的优劣。     

二分总体中随机化调查法的一种新的估计量及协方差改进估计

本文在使用以正态分布作为随机化分布的随机化回答调查法的情况下;给出了二分总体中对一敏感性问题属于Ａ类所占比例的θ的一种新的估计量,并利用Ｆｒａｎｋｌｉｎ（１９９０）［１］及Ｃｈｕａ和 Ｃｈｉａｎｇ（１９９５）［２］给出的估计量构造了一种协方差改进估计,然后对这几种估计量进行了比较,最后给出了苦干定理的证明．