基于分层抽样的校准方法分别比率-乘积估计研究

比率估计在抽样估计阶段利用辅助信息,提高了估计量的估计精度,是抽样调查中一类较为常用的估计方法,但现有的一些比率估计方法均具有各自的最优条件,这在一定程度上影响了它们在实际调查中的应用。为了解决比率估计的最优限制问题,本文引入了校准估计方法,并基于分层抽样研究了总体均值的校准方法分别比率-乘积估计量。在大样本情况下,本文推导了新估计量的估计偏差和均方误差,说明新估计量具有渐近无偏性,并在估计量均方误差最小时,得到了总体参数的渐近最优估计量和渐近最优估计量的方差。在模拟研究中,根据比率估计量的最优条件是否满足,本文生成了两种不同的总体,对比分析了新估计量和现有比率估计量的估计效果,结果表明在两种不同的情况下,新估计量的估计效果均优于现有估计量的估计效果。最后,本文利用一个实际例子,验证了新估计量的有效性和实用性。     

抽样调查基础理论体系研究综述与应用

针对抽样调查中抽样设计、估计量设计及方差估计等方面存在的关键理论性问题,运用数理统计方法,从抽样调查的两个主要环节,即抽样设计和抽样估计环节进行基础理论的综述研究,以S(a|¨)rndal et al.(1992)等成果中研究的抽样设计、示性变量、包含概率、π估计量等核心概念为基础,并引入超总体模型这一研究工具进行模型辅助估计,最终归纳整理出一套现代抽样调查的基础理论体系,为后续更好地开展抽样调查基础理论和应用研究奠定方法论基础。这套基础理论体系具有开阔性、统一性和易于推广性等一系列优势,对于抽样调查从设计到估计的全过程起着基础性作用。     

二维平衡单水平轮换设计及其广义组合估计方法研究

针对国内外现行单水平轮换调查存在的一系列问题,本文提出二维平衡单水平轮换模式设计及其广义组合估计方法。在这套设计方法中,将轮换偏差和两类相关关系引入到广义组合估计量公式中,提高了估计量的准确性,同时在连续性的多目标调查下还应用最优化方法确定一套最优权重系数,使得抽样调查的整体精度达到最高,同时又能够调整权重,满足各类目标量精度高低的要求。这套系统化、理论化的设计方法将为我国今后更好地开展各类单水平轮换调查提供理论指导。     

连续性抽样调查理论研究综述

从国外近60多年来的理论及其应用研究情况来看,连续性抽样调查是一个具有极大理论研究价值的新领域,在我国也具有广阔的应用价值。本文选择连续性抽样调查作为研究对象,对国内外已有的相关研究成果进行理论化、系统化的研究综述,并重点总结了各类连续性抽样设计与抽样估计方法,进一步归纳出存在的问题及未来继续研究的新趋势,另外也为该理论在我国实际调查中的应用研究奠定扎实的理论基础,使我国统计调查工作少走弯路,尽快与国外统计调查工作接轨。     

基于轮换样本连续性调查的校准组合估计方法研究

校准估计是抽样调查中比较常用的一种利用辅助信息提高估计量精度的方法。回归组合估计量作为轮换样本连续性调查中使用的一种有效的估计量,是可以通过校准程序得到的。基于回归组合估计量和校准程序之间的关系,本文提出了轮换样本连续性抽样调查条件下的不同校准组合估计量及其方差估计。校准组合估计量的主要思想是在校准估计程序中将拼配样本和非拼配样本的辅助信息进行不同的组合利用。本文利用美国现时人口调查的微观数据进行数值模拟,来比较不同校准组合估计量的估计效率,模拟结果表明两步校准组合估计量和两步校准双组合估计量的表现相似,且估计精度都高于H-T估计量及回归组合估计量;而两步校准组合估计量由于其简便性更适合应用于实践中。最后以我国农村住户连续性抽样调查为例,设计一套符合我国实际的轮换样本连续性调查方案,并将提出的校准组合估计量运用于估计阶段,为中国政府统计调查提供一定的借鉴和参考.     

模型辅助条件下广义最优回归抽样估计方法研究

在抽样估计中,当超总体模型为非线性形式时,广义回归估计量和最优估计量的估计效果均有待提高,而非参数回归估计量虽然能在一定程度上提高估计精度,但需要获得全部总体单位的辅助变量值,这在实际调查中往往难以满足。本文基于传统的广义回归估计量和最优估计量,借鉴非参数回归中局部多项式的估计思想,对原始辅助变量信息进行扩展,得到原始辅助变量多次方形式的新辅助变量,进而研究提出广义最优回归估计量。该估计量可以克服广义回归估计量、最优估计量和非参数回归估计量的缺陷,并证明其满足渐近无偏性和一致性。在不同超总体模型下,通过数值模拟方法比较了各类回归抽样估计方法的估计效果,模拟结果显示:在线性模型下,除了π估计量的精度较差,其余各类估计量的估计精度基本相同;但在非线性模型下,最优估计量和广义回归估计量的估计精度明显下降,而广义最优回归估计量和非参数的局部多项式回归估计量的估计精度都较好。     

基于局部多项式回归的模型校准抽样估计研究

在抽样估计中,当研究变量与辅助变量之间呈非线性关系时,传统的校准估计方法效果较差,基于非参数回归方法的模型校准估计量则可以很好地解决这一问题。首先,建立描述研究变量和辅助变量之间关系的超总体回归模型,使用非参数中的局部多项式方法得出模型参数的拟合值,并结合校准估计得出局部多项式模型校准估计量,同时给出其方差和方差估计量公式,证明了该估计量具有渐近无偏性、一致性和渐近正态性等优良的统计性质。然后,使用仿真模拟的方法证明在研究变量与研究变量之间呈非线性关系时,该估计量有良好的估计效果。最后,对该估计量在我国政府统计中的应用进行简单的介绍。