【正文】 最初抽樣單元 (3)當(dāng)最初抽樣單元和按照標(biāo)準(zhǔn)值所增加的單元等于或大于（ 1）所確定的樣本數(shù)量 n就停止 估計(jì)方法采用修正的 HH和 HT， 發(fā)現(xiàn)有偏。 在每個(gè) PSU抽取 2個(gè)最初單元；滿足標(biāo)準(zhǔn)值 C＝ 10，則在 PSU中隨機(jī)抽取 4個(gè)附加單元（ additional units)；沒(méi)有邊緣單元 討論 （ 1） ACS適于群團(tuán)和稀少分布的總體 （ 2) 當(dāng)調(diào)查稀少群團(tuán)分布總體， ACS可能更有效 （ 3） ACS抽樣效率取決于空間分布，最終抽樣樣本量是隨機(jī)性的 （ 4）對(duì)于聚集分布種的調(diào)查， ACS可以提高觀察量 （ 5） ACS抽樣技術(shù)是一個(gè)很活躍和具有挑戰(zhàn)性的研究領(lǐng)域 調(diào)查內(nèi)容和樣地設(shè)計(jì) （ 1）調(diào)查內(nèi)容： 非木質(zhì)資源的分布、產(chǎn)量和成熟期 （ 2）抽樣調(diào)查方法（基本設(shè)計(jì)和抽樣設(shè)計(jì)） 基本設(shè)計(jì) ?抽樣單元的位置 主觀確定，隨機(jī)抽樣 ?樣本單元大?。?plot size) ?樣本單元形狀（ plot shape) 方形、長(zhǎng)方形、圓形、條形和線形 ?樣本數(shù)量（ plot number) 抽樣設(shè)計(jì) ?抽樣單元布置 簡(jiǎn)單隨機(jī)抽樣，系統(tǒng)抽樣，分層抽樣，二階段抽樣，帶狀抽樣，線樣抽樣，點(diǎn)抽樣（無(wú)樣地抽樣）， 3P抽樣，群團(tuán)抽樣，適應(yīng)性群團(tuán)抽樣 （ 3）估計(jì)方法 不同抽樣設(shè)計(jì)有不同的估計(jì)方法 系統(tǒng)線樣抽樣（取線樣部分或全部） 靜夜四無(wú)鄰，荒居舊業(yè)貧。 07:14:4207:14:4207:14Thursday, February 2, 2023 1乍見(jiàn)翻疑夢(mèng)，相悲各問(wèn)年。 2023年 2月 2日星期四 7時(shí) 14分 42秒 07:14:422 February 2023 1做前，能夠環(huán)視四周；做時(shí)，你只能或者最好沿著以腳為起點(diǎn)的射線向前。 :14:4207:14Feb232Feb23 1世間成事，不求其絕對(duì)圓滿，留一份不足，可得無(wú)限完美。 2023年 2月 上午 7時(shí) 14分 :14February 2, 2023 1少年十五二十時(shí)，步行奪得胡馬騎。 07:14:4207:14:4207:142/2/2023 7:14:42 AM 1越是沒(méi)有本領(lǐng)的就越加自命不凡。 :14:4207:14:42February 2, 2023 1意志堅(jiān)強(qiáng)的人能把世界放在手中像泥塊一樣任意揉捏。 上午 7時(shí) 14分 42秒 上午 7時(shí) 14分 07:14: MOMODA POWERPOINT Lorem ipsum dolor sit, eleifend nulla ac, fringilla purus. Nulla iaculis tempor felis amet, consectetur adipiscing elit. Fusce id urna blanditut cursus. 感謝您的下載觀看 專(zhuān)家告訴 。 2023年 2月 上午 7時(shí) 14分 :14February 2, 2023 1業(yè)余生活要有意義，不要越軌。 07:14:4207:14:4207:14Thursday, February 2, 2023 1知人者智，自知者明。 上午 7時(shí) 14分 42秒 上午 7時(shí) 14分 07:14: 楊柳散和風(fēng)，青山澹吾慮。 :14:4207:14:42February 2, 2023 1意志堅(jiān)強(qiáng)的人能把世界放在手中像泥塊一樣任意揉捏。 , February 2, 2023 很多事情努力了未必有結(jié)果，但是不努力卻什么改變也沒(méi)有。 2023年 2月 2日星期四 上午 7時(shí) 14分 42秒 07:14: 1比不了得就不比，得不到的就不要。 07:14:4207:14:4207:142/2/2023 7:14:42 AM 1以我獨(dú)沈久，愧君相見(jiàn)頻。 一般經(jīng)常采用次序統(tǒng)計(jì)量方法來(lái)確定臨界值，所以 臨界值大小隨序列而確定 ，即臨界值為 C＝ y(n1r)， 與最初 ACS抽樣技術(shù)事先確定的臨界值不同。 相反，不使用叫停規(guī)則能在一定臨界值條件下使網(wǎng)絡(luò)完全分離，從而形成唯一的總體分化。 ●為了避免選擇過(guò)多且不能提高估計(jì)精度的邊緣單元， Salehi and Smith (2023）提出 二階段序貫適應(yīng)性群團(tuán)抽樣及估計(jì)方法 估計(jì)方法研究 （ 2） 適應(yīng)性群團(tuán)抽樣設(shè)計(jì) ?最初抽樣設(shè)計(jì)方法、標(biāo)準(zhǔn)值、鄰域形式和估計(jì)方法 以及樣地調(diào)查成本等 因素的不同組合將會(huì)導(dǎo)致大量不同的適應(yīng)性群團(tuán)抽樣設(shè)計(jì) （特別是標(biāo)準(zhǔn)值大?。? ?最終抽樣樣本量的隨機(jī)性或不確定性 . 因?yàn)樽罱K抽樣樣本量的隨機(jī)性或不確定性使得人們?cè)谡{(diào)查前無(wú)法確定最終抽樣樣本量以及抽樣調(diào)查的成本 ?主要幾種限制適應(yīng)性群團(tuán)抽樣最終樣本量的抽樣設(shè)計(jì) ?Adjust the condition or neighborhood n Woodby (1998) ? Adjust the condition that determines when to adaptively sample. That is for Condition = {yi ? c}, make the condition more restrictive (., make c a bigger number) so that adaptive sampling is triggered less often. 如何控制最終樣本量（ 1） 0 0 1 0 0 1 0 0 0 3 2 0 0 2 0 1 0 0 1 4 1 2 0 0 7 0 3 1 0 0 1 4 0 2 1 0 0 6 0 0 0 0 4 0 0 3 6 0 0 0 0 7 1 0 0 1 1 1 1 0 0 5 0 1 0 0 0 0 0 1 0 0 1 0 0 0 3 2 0 0 2 0 1 0 0 1 4 1 2 0 0 7 0 3 1 0 0 1 4 0 2 1 0 0 6 0 0 0 0 4 0 0 3 6 0 0 0 0 7 1 0 0 1 1 1 1 0 0 5 0 1 0 0 0 A (yi0) B(yi1) 限制最終抽樣樣本量方法 ? 叫停規(guī)則（如何確定標(biāo)準(zhǔn)值 C） C大，網(wǎng)絡(luò)包含的單元數(shù)（ work） 減少以致減少邊界單元，對(duì)于比較稀疏和低密度的總體， ACS的效率減少。 桫選擇概率和包含概率的計(jì)算 總面積＝ 20 D的面積 4 C 的面積 4 B的面積 3 O 的面積 10 A的面積 1 包含單元 o的包含概率＝ Σ p(s)= 案例 (標(biāo)準(zhǔn)值 10） (1)SRS 2)ACS ? =1/3(2+54+38)= ACS方法均值和方差估計(jì)方法 目前 ACS有三種方法計(jì)算平均值和方差 (1) HansenHurwitz Estimator (HH) 基于網(wǎng)絡(luò)內(nèi)均值 wi,不考慮邊緣單元 ? ?? ?? ?1111211111? a nd? 垐v a r1nH H iinH H i H HiwnNnwN n n????????????(2) HorvitzThompson Estimator (HT) yk*為第 k個(gè)網(wǎng)絡(luò)內(nèi)觀察值和 ?k為最初抽樣入樣第 k個(gè)網(wǎng)絡(luò)的包含概率 ?jk表示最初抽樣單元在第 j個(gè)網(wǎng)絡(luò)和第 k個(gè)網(wǎng)絡(luò)同時(shí)入樣的包含概率 不考慮邊緣單元是因?yàn)檫吘墕卧淮_定 1j j kkjkN x N x xNxnnnNn?? ? ? ? ??? ? ? ???????? ? ? ?????? ? ? ?????????????? ?*1**2111? a nd1? ?v a r 1kHTk kj k jkHTjk jk j kyNyyN???????? ? ????????? ?????????(3) RaoBlackwell Esimator (RB) ?Ten works sampled ?Network totals (yk*) ?Nine 0’s and one work with an 11 ?Intersection probabilities (?k) ?For work with 1 unit, ?k= ?For work with 10 units, ?k= ?Joint intersection probabilities (?jk) ?For 2 small works, ?jk = ?For small and large works, ?jk = 計(jì)算案例 11004001? ??????? ???? ?HT? ? ? 11114001?ra?v2