生物群落多样性的测度方法Ⅳ刀切法和自助法在生物多样性测度研究中的应用

1 引言目前已有相当数量的多样性测度公式提出,笔者在前文对此做过评述,Dennis等讨论了其中某些公式被正确使用或错用的情况。此外,对这些公式的抽样性质更引起一些学者的关注。Kempton指出,多样性指数的理论标准差几乎在所有的情况下都是不适当的,因为它们假设固定大小的样本单位是从一个同质总体中取出来的,这一假设在实际中很少能够满足。然而,一个更严重的问题是,多样性指数大都假设生物个体是随机抽取的。

刀切法在我国劳动力调查方差估计中的应用

我国劳动力调查抽样设计复杂,采用通常方法进行方差估计比较困难。本文提出使用刀切法。在使用刀切法时需要划分随机组,文中提出三种划分随机组的方法并对它们作了比较。最后,对我国的失业人数与失业率应用刀切法进行方差估计。

个人所得税缩减贫富差距的效应有多大?——基于CHNS调查数据和刀切法的动态评估

本文基于CHNS的1997—2011年微观社会调查数据,运用刀切法实证评估了我国1996—2010年个人所得税的税收再分配效应。评估结果发现,两次税改政策主要通过提高税率和税收累进性方式提高了税收再分配效应,而对工薪税和经营税直接体现了平均税率和税收累进性的权衡取舍。从税收公平性看,税改政策在提高税收垂直效应数值的同时,降低了税收的横向不公平效应和再排序效应。固定家庭抽样的子样本分析结果表明,总样本分析的主要结论具有稳健特征;细分城市和农村样本分析表明税改政策影响税收再分配效应的规律大体一致,但是效应存在差别。总的来看,我国税改政策最大限度地兼顾了税收公平性问题,但是税收的平均税率较低、税收累进性较高,导致我国税收再分配效应功能有限,缩减贫富差距的税改政策还依然存在很大的作为空间。

用刀切法分析研究树干材积

刀切法是在不断完善中的一种非参数统计方法，它实质是一种双重回归抽样法。通过对收集１１４株落叶松材料进行分析，介绍了用刀切法估算材积的具体步骤，在小样本条件下，估计精度达８０％以上，实际精度达９０％以上。

云贵鹅耳枥群落物种多样性及其刀切法估计

采用Ｓｉｍｐｓｏｎ指数（Ｄ）、Ｓｈａｎｎｏｎ－Ｗｅｉｎｅｒ指数（Ｈ）和均匀度（Ｅ）等，分析了中亚热带喀斯特山地云贵鹅耳枥群落及其演替过程中的物种多样性特征，并用刀切法对Ｓｉｍｐｓｏｎ指数和Ｓｈａｎｎｏｎ－Ｗｉｅｎｅｒ指数进行了估计。结果表明，云贵鹅耳枥群落的Ｓｉｍｐｓｏｎ指数为１．１４—３．８８，Ｓｈａｎｎｏｎ－Ｗｅｉｎｅｒ指数为０．５０—２．４３，均匀度为０．１９—０．７１。随着群落的发育和演替，其物种多样性呈现“高→低→高”的动态变化。Ｓｉｍｐｓｏｎ指数的刀切估计值为１．１４—３．８８，估计区间为１．０４—５．１０； Ｓｈａｎｎｏｎ－Ｗｅｉｎｅｒ指数的刀切估计值为０．５２－２．５８，估计区间为０．２４－３．１４。刀切法是一种比较有效的估测物种多样性的方法。

刀切法在Warner模型中的应用

刀切法是从母样本的几个子样本中的每个子样本,得出所感兴趣的参数的估计值,然后通过子样本估计值间的变异来估计母样本估计量的方差.将刀切法应用在Warner模型中,并估计了πAW的方差.

刀切法估计动物种群扩散型指数

一、引言研究动物种群空间格局,无论在生态学理论还是应用上都具有重要意义。用扩散型指数研究种群空间格局不受格局类型的限制,能反映空间格局的连续统(Continuum).长期以来,对扩散型指数的数值估计,大多采用矩法或最大似然法,由于扩散型指数的统计分布一般都比较复杂,而非正态。

刀切法与刀切估计量性质

本文介绍一种非参数的估计方法——刀切法(Jackknife),并讨论刀切估计量的性质及其应用.

基于子样分位数和刀切法的统计推断

本文考虑对母体分位数之函数作统计推断的问题.子样分位数之函数的渐近分布为正态.使用刀切法,我们给出了渐近分布的方差与协方差的估计量并建立了它们的一致性.这些结果提供了一些在渐近意义下正确的统计推断方法.

应用刀切法于经济计量的联立方程模型

在经济计量的联立线性方程模型的二段最小二乘估计的基础上,本文使用刀切法给出结构参数的刀切估计量。

刀切法在森林双重回归抽样调查中的应用初探

为进一步 改进抽样 效果， 将 刀切法 结 合顺 序统 计 量应 用于 双 重回 归抽 样 中， 以 材 积为目的因 子， 胸径 为辅助因 子。结果 表明， 在 减少 二重 样本 ５０ ％ 的情 况下 ， 与 普通 双重 回 归抽样相比 ， 精度仍 达９８２ ％ 。因 此认为， 在林 相整 齐， 生长 正常 的 林分 中进 行 双重 回归 抽 样调查时， 利 用刀切法 ， 可 在减 少 二重 样 本， 减少 外 业工 作 量 的情 况 下， 仍能 保 持 较 高 的精 度。另外， 对二重样 本单元和 单元数 的确定以 及刀切 法的局限 性进行了 讨论。

基于刀切法与自适应加权的多传感器信息融合算法

针对加权平均、最优加权、自适应加权多传感器信息融合算法的不足,提出采用刀切法与自适应加权方法相结合的信息融合算法。该算法在自适应加权的基础上充分利用观测值与各个历史时刻的估计值,通过构造伪值分别对估计值与加权因子进行Quenouille估计。实验结果表明,在经过刀切法与自适应加权相结合后,数据处理的精确性和稳健性方面都优于普通的处理方法。

一种采用刀切法的单通道信源数估计算法

针对现有信源数估计算法不能直接用于单通道接收模型且抑噪能力较差的问题,提出了一种采用刀切法的单通道信源数估计算法。该算法首先通过间隔抽样实现了单通道接收信号多维数的转换,得到矢量化空间;然后采用刀切法将此组空间重构多个协方差矩阵,经酉变换后结果取平均;最后通过循环迭代得到最优信源数。理论分析和仿真结果表明,该算法在白、色噪声环境下能有效抑制噪声,且在低信噪比及采样点较少时能更准确估计信源数,相较于传统的估计算法,显著提高了检测性能。

刀切法在森林调查中的应用

抽样调查和回归估计是森林调查中最常用最基本的方法.这种技术和理论比较浅显易懂、估计精度可靠,已为许多国家的林业工作者所采用,但要使调查结果达到满意的估计精度,多采用大样本方法.

单侧化准备电位启始时间点的测算:刀切法

刀切法是统计学家Quenouille提出的一种参数估计方法,由Miller等在1998年首次将刀切法应用在单侧化准备电位(LRP)启始时间点(onset)的测量中。相对于以往单个被试法而言,它是较新的一种统计方法。本文综述了刀切法的统计原理和基本使用过程,并和单个被试法进行了差异比较,最后对这一方法的发展趋势做了展望。

减少随机误差标准差的新方法——“刀切法”

本文应用了新的统计方法,“刀切法”减少了误差,提高了测量结果的精确性。

基于刀切法的昆明市生态环境满意度估计

对近期昆明市14个区县的公众生态环境满意度采用问卷的形式进行调查,共收集到有效问卷1100份。结果显示:常规统计调查方法下,各区县的生态环境满意度最高的是禄劝县,最低的是五华区,低于市平均水平的区县有6个。再利用刀切法进行估计,得到居民生态环境满意度由高到低的区县排名依次为:禄劝县、石林县、宜良县、嵩明县、安宁市、富民县、寻甸县、西山区、晋宁区、呈贡区、东川区、盘龙区、官渡区、五华区,且估计结果准确度较高。不同人群在环境满意度和环保意识上表现出一定差异。总体来看,男性的环境满意度略高于女性;城镇居民的环境满意度远高于农村居民;男性和城镇居民的环保意识较强。

浅谈复杂样本方差估计的一种方法──刀切法

随着抽样调查应用的日益广泛，抽样调查理论也相应得到发展。在实际工作中，我们所应用的抽样方案不一定都是简单的一种形式，往往需要的是几种抽样方法的有机结合；所采用的估计量也不一定是简单估计形式，很可能是比较复杂的形式。对于复杂样本以及一般的估计量，也需要...

关于刀切法的一点注记

本文给出一个例子,说明弃d-刀法法的渐近分布可以不是正态的。

利用刀切法估计树干材积

本文借助调查材料阐述了刀切法估计树干材积的过程,认为利用刀切法估计树干材积是可行的,并得出了比一元材积表计算材积精度高13％的满意结果。