裂区设计连续调查的条件影响及重抽样核实调整

条件的影响是有匹配样本的连续调查特有的计量误差来源。本文在变异计量误差模型之下，研究了未调整时条件影响对两期裂区设计连续调查中采用的组合差估计量的统计影响，同时提出了得抽样核实调整方法，得到了调整后的无偏估计量，计算了调整后估计量的方差，讨论了调整后 估计量准确度比未调整估计量准确度高的条件。     

基于双系统估计量的人口普查净误差估计

针对中国和其他许多国家在使用双系统估计量时所存在的未对总体人口事后分层和未估计小区域净误差等诸多问题,从理论和实际操作层面构造基于捕获-再捕获模型的双系统估计量及合成双系统估计量.采用数理模型分析技术和抽样推断方法,研究双系统估计量,双系统估计量的抽样方差估计,以及小区域的净误差估计.研究结果表明:双系统估计量须在事后...     

固定样组纵向调查"间歇式"期单元无回答的加权调整

期单元无回答误差是固定样组纵向调查中经常出现的一类抽样误差，如果不对之进行调整，则往往造成估计量的偏差，已经提出的两种加权调整方法不易处理“间歇式”期单元无回答。在本文中，我们提出了纵横加权调整方法，这一方法克服了已有方法的不足，我们所作的模拟研究表明，纵横加权方法降低了估计量的偏差，并在作两调查期指标均值变化分析时，充分利用了两期回答状态的相关信息，提高了变化估计量的准确度。     

吸烟者调查抽样设计案例研究

本文通过对南宁市烟草公司拟进行的吸烟者调查抽样设计案例的研究,讨论了有限总体概率抽样原理和技术方面某些问题的具体应用。其中包括:抽样单位的选择;总体总值的单位均值估计量和比估计量;总体比率的比估计量;直接写出比估计量方差的法则,等等。在此基础上,进行了案例实证分析。     

双无回答层抽样的三重抽样比率估计量

无回答在抽样调查中经常出现,无回答层再抽样是解决无回答的常用方法.当辅助变量总体均值未知时,本文讨论了双无回答层抽样的三重抽样方法,给出了三重抽样的分层汉森-赫维茨估计量和比率估计量,以及它们的方差和估计方差.给出满足事前给定总调查费用约束的三重抽样过程的最优设计参数,以及比率估计量的方差估计.给定总调查成本,三重抽样的分层汉森—赫维茨估计量与比率估计量进行模拟比较,演示比率估计量的优良性.     

基于二相抽样的PPS二阶抽样

研究初级单元大小未知时基于二相抽样的PPS二阶抽样，给出总体总值的估计量，估计量的方差及方差的估计量。     

PPS整群抽样下的比估计量

本文研究有辅助指标的ＰＰＳ整群抽样,构造了总体均值和总值的ＰＰＳ比估计量,证明ＰＰＳ比估计量是可用的,给出ＰＰＳ比估计量优于ＰＰＳ估计量的条件并讨论其优良性．     

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。     

双因素误差成分的空间面板模型的参数估计

本文构造了比较一般化的双因素误差成分结构的空间面板数据模型,其中误差成分的设定为个体效应也存在空间相关性.基于广义矩估计方法,通过构造最优的工具变量,寻找合适的矩条件组和权重矩阵,讨论了模型的参数估计问题,并证明了估计量的相合性.通过随机模拟分析估计量的有限样本性质,结果表明加权矩估计量的渐近效果优于未加权矩估计量,并且模型参数的可行的广义二阶段最小二乘估计量的估计效果很好.     

基于四系统估计量的人口普查净覆盖误差估计

针对当今人口普查净覆盖误差估计领域所使用的双系统估计量内含交互作用偏差和尚未投入使用的三系统估计量未有效使用人口行政记录的问题,以四系统估计量为研究目标.为实现目标,采取文献解读法、抽样估计法和现场调查法,研究4次捕获模型、全面登记的四系统估计量和抽样登记的四系统估计量.研究表明:四系统估计量须在等概率人口层建立及使用,否则产生异质性偏差;构造四系统估计量应该分两步进行,首先构造全面登记的四系统估计量,然后使用双重扩张估计量构造全面登记的四系统估计量的子总体指标的估计量,以得到抽样登记的四系统估计量;分层刀切抽样方差估计量适合于近似计算抽样登记的四系统估计量及净覆盖误差的抽样方差.研究价值在于,四系统估计量有望应用于政府统计部门未来的净覆盖误差估计.     

Combining empirical likelihood and generalized method of moments estimators: Asymptotics and higher order bias

This paper proposes an estimator combining empirical likelihood (EL) and the generalized method of moments (GMM) by allowing the sample average moment vector to deviate from zero and the sample weights to deviate from n⁻¹. The new estimator may be adjusted through free parameter δ∈(0,1) with GMM behavior attained as δ?0 and EL as δ?1. When the sample size is small and the number of moment conditions is large, the parameter space under which the EL estimator is defined may be restricted at or near the population parameter value. The support of the parameter space for the new estimator may be adjusted through δ. The new estimator performs well in Monte Carlo simulations.     

基于最终类集的复杂样本设计研究

本文依据最终类集样本可以近似均等选择概率下各种多阶段抽样设计样本的理论,构建出多阶段抽样下复杂样本设计的理论分析框架,解析出影响复杂样本估计量设计效应的两个基本因素:最终类集同质系数和最终类集规模,分析了它们对复杂样本估计量设计效应的影响机理及相互作用机制,并应用于我国一体化住户调查的主样本设计。     

复杂设计下类均值复制与类加权均值复制的比较（英文）

复制数据是处理抽样调查中数据项目缺失的一种常用方法。在两种常见模型及复杂抽样设计下，本文对处理数据项目缺失的类均值复制和类加权均值复制方法进行了对比。     

异方差情形下平均处理效应的半参数估计

本文主要探讨在扰动项分布对称的假定下,平均处理效应的半参数估计。本文考虑了一种非常普遍形式的异方差,使得我们在估计平均处理效应时,大大扩展了对异方差的处理范围。本文给出了N~(1/2)收敛速度的一致估计量及其渐进正态性质。本文遵循参数框架下常见的两步估计方法,这种方法广泛地运用于半参数的研究中。一个简单的Monte Carlo模拟将用来对比说明本文中估计方法的实际意义。     

高频数据连续部分杠杆效应的估计

对股票价格与其波动率之间的负相关性的发现,引发了对高频金融数据杠杆效应的研究热潮.对于高频数据连续时间条件下满足伊藤半鞅模型的对数价格过程和波动率过程,定义了连续部分杠杆效应(CLE),并用临近窗口和向下截断方法,采用二次变差来构造相应的估计量,进一步研究了该估计量的相合性和渐近正态性,最后给出了定理证明.     

缺失数据下Jackknife方差估计量的渐近设计无偏性

在实际的调查中经常会出现缺失数据．如何处理这种情况下总体目标量的估计是一个重要问题．Zou等(2002)对缺失数据情况下的样本轮换方法证明了他们所提出的线性化．Jackknife方差估计量在均匀回答下是估计量方差的近似的设计无偏估计．这一性质对于．Jackknife方差估计量的使用提供了重要依据．对于其它情况下．Jackknife方差估计量是否也具有这一性质无疑是一个有意义的问题．作者旨在研究文献中已提出的若干．Jackknife方差估计量的渐近设计无偏性．我们的结果表明Zou等(2002)所注意到的Jackknife方差估计量的渐近设计无偏性具有一定的普遍性。     

半相依模型参数估计的改进

对于m个半相依回归系统的未知回归系数, 文献[7]提出一种利用信息逐次迭加的方法, 该文首先在其基础上给出一种进一步改进形式, 并得到了其相合性, 同时作者借鉴文献[7]提出逐次迭加信息的构造估计思想给出一种具有小样本优良性的可行估计, 模拟研究也表明作者的改进估计是有效的.文献[10]根据Rao的协方差改进思想, 给出一种更为简洁的两步估计, 该文在此估计基础上给出一种改进形式, 新估计具有更好的可操作性和均方误差意义下的优良性.     

���ڳ�����α�������������ĺ�ѡ�����ݿ����������ƶ��о�

??How to solve the inference problem of candidate database web surveys is an urgent problem to be solved in the development of web survey. In order to solve this problem, the inference method of non-probability sampling based on superpopulation pseudo design and the combined sample is proposed. A superpopulation model is firstly built up to construct pseudo weights for a survey sample of the web candidate database. The estimator of the population mean is then computed according to the combined sample composed of the survey sample of the web candidate database and a probability sample. The variance estimator of the population mean estimator is lastly derived according to the variance estimation theory of the superpopulation model. The Bootstrap and Jackknife methods are also used to compute the variance estimator. And all these variance estimation methods are compared. The research results show that the population mean estimator based on superpopulation pseudo design and the combined sample is better, and has higher efficiency than the estimator only using the probability sample and the weighted estimator only using the survey sample of the web candidate database. The variance estimator computed by using the VM1, VM2 and VM3 method are relatively better.     

Research on Inference of Candidate Database Web Surveys Based on Superpopulation Pseudo Design and the Combined Sample

How to solve the inference problem of candidate database web surveys is an urgent problem to be solved in the development of web survey. In order to solve this problem, the inference method of non-probability sampling based on superpopulation pseudo design and the combined sample is proposed. A superpopulation model is firstly built up to construct pseudo weights for a survey sample of the web candidate database. The estimator of the population mean is then computed according to the combined sample composed of the survey sample of the web candidate database and a probability sample. The variance estimator of the population mean estimator is lastly derived according to the variance estimation theory of the superpopulation model. The Bootstrap and Jackknife methods are also used to compute the variance estimator. And all these variance estimation methods are compared. The research results show that the population mean estimator based on superpopulation pseudo design and the combined sample is better, and has higher efficiency than the estimator only using the probability sample and the weighted estimator only using the survey sample of the web candidate database. The variance estimator computed by using the VM1, VM2 and VM3 method are relatively better.