基于地理加权回归的GREG模型辅助信息抽样估计研究

在抽样工作中,利用辅助信息进行模型抽样估计有利于提高估计精度。由于我国各地区发展不平衡,地区统计数据在空间上存在差异,传统的广义回归(GREG)估计方法将所有地区一视同仁,忽略了空间上的差异性,抽样估计存在较大误差。本文在传统的GREG估计方法基础上,创新性地提出一种新型的辅助信息抽样估计模型——地理加权回归(GWR)的GREG模型。该模型不仅考虑到空间的异质性和相关性,而且由于GWR对不同地区允许具有不同的截距项,除解释变量之外的其他影响因素都会反映到截距项中,因此只需要利用更少的辅助信息就可以估计出模型。本文在理论推导的基础上,通过实证和数值模拟方法,采用平均绝对误差(MAE)和标准误差(RMSE)对比评估了π估计量、全局线性回归模型、GWR模型和基于GWR的GREG模型对总体总值的预测结果,研究结果显示,基于GWR的GREG模型估计误差最小,估计效果最好。