其他抽樣、復雜樣本及方差估計和非抽樣誤差-資料下載頁
2025-05-13 16:47本頁面
【正文】 (??? ??01)()( ????khh??? ??滿足該條件的 k個半樣本為平衡半樣本 ，如果 01)( ???kh???stkst yyk ??? 1,1??則完全正交平衡（ full orthogonal balance）半樣本 滿足該條件的平衡半樣本稱為 完全正交 平衡半樣本 用于多階段抽樣 ? 在 L層中的每一層初級抽樣單元（ PSU）都是按放回的抽樣抽取的 ???????????Lh hhhhzYzY1 22112?2??? ??LhhYY1??21 2211??41)?( ?????????? ?? Lh hhhhzYzYYv?????????? ?? Lh hhhhhh zYzYY1 222111?????? ?? ? ?????kk YYkYv12??1)?(??用于非線性估計 ? 對于非線性估計量，一般 和 是不等的，但多數調查實踐中兩者非常接近 ?? ??XXY?????XXY???? ???? ???kk1??????? ?????kk kv12??1)?(?? ???? ?????kcckvk12??1)?(?? ???? ? ? ?? ???? ??21)?( ckkk vvv ?? ? ?????kckv k 12* ??41)?(??? ???將樣本分為 K 個隨機組 )( kmn ? ?? 為母樣本關于 ? 的估計量 a??? 為舍棄第 a 組后關于 ?? 的同結構估計量 則虛擬值為：aakk???? ????)1(??),...2,1( ka ? Jackknife方法 ??的 J ackk ni f e 形式為 : kJka????????)?( 相應的方差估計為 )1()??()?(2????kkka???? bootstrap(Efron,1979) ? SRS,n, ”population”,resamples， 假設 S是一個容量為 n的簡單隨機樣本；將 S視為總體，從中再抽取重復樣本。如果樣本與總體確實相似 ——如果樣本的經驗概率密度函數（ epmf）與總體的概率密度函數相似 ——那么從經驗概率密度函數中產生的樣本應該與從總體中抽取的樣本表現出相同的特性。 ? WR， WOR ? 優(yōu)勢：非平滑函數，方便的構造置信區(qū)間 ? ??????RrrB Rv12* ??)1(1)?( ???泰勒線性化的一般步驟： ? 將目標量表示成樣本中測量或計算變量的均值或總量的函數。通常的形式為 ? 計算關于各個自變量的偏導數。以形成線性化步驟中的常數 。 ? 應用 Taylor定理將估計量線性化： ? 定義新的變量 q ? 計算 的方差，將其作為 方差的近似。 ),( 21 kttth ??? ),( 1 kUU yyh ?????ia)?(),()?,?(1211 jjkjjkk ttattthtth ??? ????ijkjji yaq ???1iSi iq qwt ? ??? )?,?(1 ktth ?總結 ? 線性化方法：理論特性被研究得最為透徹的、也是最常采用的方法。但方差估計過程過于復雜。 ? 隨機組方法：易于解釋和計算，它可以應用于幾乎所有的統計量。缺點是，如果要得到一個穩(wěn)健的方差估計量，需要有足夠多的隨機組。 ? 在分層多階段抽樣中采用再抽樣方法，必須謹慎地構造子樣本，以確保同一群中觀測值之間的相關性不會被破壞。當感興趣的特征是總體總量的平滑函數時，大樣本下的再抽樣方法與線性化方法是一致的。 ? BRR方法幾乎可以應用于所有的統計量，但通常只是用于每層只有兩個psu的設計、或者是能轉化為每層有兩個 psu的設計。 Jackknife和bootstrap方法也可應用于調查中的大部分估計量（但棄 1Jackknife方法對分位數方差的估計效果不佳）、以及每個樣本中選取兩個以上 psu的分層多階段樣本，但與 BRR相比它們需要的計算量更大。 ? 廣義方差函數便于應用，其主要缺點是：除非能利用其他方法計算出方差，否則就無法確定統計量是否符合 GVF所采用的模型。 非抽樣誤差 ? 非抽樣誤差的特點 ? 不隨樣本量增加而減少 ? 造成估計偏差 ? 難以測定與識別 ? 理論相對薄弱 ? 產生渠道： ? 調查設計：調查問卷的設計，抽樣底冊的不完善 ? 數據搜集階段：調查人員，被調查者，調查工作人員 ? 在數據處理階段：調查數據的編輯，編碼、鍵入、估計。 ? 分類： ? 抽樣框誤差、無回答誤差、計量誤差 處理無回答的四類方法 ? 盡量避免其發(fā)生。從調查設計入手降低無回答率。這是迄今為止最好的方法。 ? 二重抽樣：從無回答者中抽取具有代表性的子樣本進行再次調查，并利用該子樣本對其他無回答者進行推斷。 ? 利用模型對無回答值進行預測。其中加權法暗含著使用模型去調整單位無回答，插補法則通常用于項目無回答的調整，而參數模型在兩種類型無回答中都可能用到。 ? 忽略無回答
環(huán)評公示相關推薦
鄂ICP備17016276號-1