人口普查误差刍议

许多国家每次人口普查之后都要对其进行质量评估,计算人口普查误差,包括净误差及其构成部分(普查遗漏和普查错误计数)。通常采用先估计净误差,然后估计普查错误计数和普查遗漏。人口普查误差计算的关键是估计总体实际人口数。目前多数国家是使用基于捕获-再捕获模型和事后分层的双系统估计量估计实际人口数。最近1～2年美国提出使用基于罗吉斯蒂回归模型的双系统估计量估计实际人口数。研究结论表明:真正的人口普查误差其实是不能计算的;基于罗吉斯蒂回归模型的双系统估计量由于不受样本量限制而可以选择较多的事后分层变量,因而它优于基于事后分层的双系统估计量。

人口普查覆盖误差估计方法研究

采取文献解读法和数理模型法研究人口普查覆盖误差的估计量.研究结果表明:双系统估计量和合成漏报估计量须在等概率人口层建立,而多报估计量在总体类构造;分层刀切法适合于人口普查覆盖误差估计量的方差估计.创新性提出的合成漏报估计量益于人口普查覆盖误差估计量在政府统计部门中的推广应用.

人口普查净误差构成部分的估计

人口普查误差,即普查登记人数与"人口数真值"之差,也叫净误差,实际上是普查遗漏人数抵消普查错误计数人数的结果。净误差掩盖了人口普查中所发生的错误计数和遗漏这两个方面错误的真实情况。美国普查局决定,在2010年人口普查的事后质量检查中,除了像以往一样继续估计净误差之外,还将估计错误计数人数和遗漏人数。这是对人口普查事后质量检查工作的一项重大改进。本文在解读有关文献的基础上,讨论了估计错误计数人数和遗漏人数的途径、数据准备以及抽样估计的有关问题。

基于比率估计量的人口普查内容误差估计

目前许多国家的政府统计部门普遍重视覆盖误差估计,而轻视甚至取消内容误差估计.为改变这一状况,本文采用抽样估计、现场核实的研究方法率先系统地研究用于估计人口普查内容误差的一致性率、净差异率、不一致指数、总不一致指数这四个测评指标.首先,使用样本普查小区的人口普查人口登记名单、质量评估调查人口登记名单、两者的匹配人口登记名单,以及样本普查小区的抽样权数构造每个测评指标的估计量及其基于刀切法的抽样方差估计量.其次,通过实际案例演示测评指标的计算过程.最后,给出研究结论:每个测评指标并未覆盖全部内容误差;提高匹配性比对环节的工作质量是保证内容误差评估准确性的关键;进行内容误差横向、纵向比对时,要注意其可比性.本文能优化政府统计部门的人口普查质量评估方案,提高普查内容误差估计精度.

国外人口普查质量评估方法综述

所有进行人口普查的国家都关心普查数据的质量及其覆盖误差。人口学家和统计学家创立了评估普查数据质量和估计普查遗漏的方法。其中有些方法利用独立于普查本身的信息,另外一些方法则使用普查信息。如果各国普查模式和行政记录数据质量存在差异,就没有适合于所有国家的评估方法。本文概述了美国、南非和加拿大使用的方法。无论哪种评估方法都有其优势与劣势,以及既定的适用范围和必备的条件。

论人口普查的登记质量

人口普查登记质量的高低对最终发布的普查人口数目的精度有显著影响。它包括人口总数计数的登记质量和项目内容的登记质量。由于人口普查基本目标是获得人口总数,以及评估项目内容登记质量难度较大,因此世界许多国家在人口普查登记质量评估中主要是评估人口总数计数的登记质量。通常是从所做的登记是否属于被调查的人口总体、所做的登记是否信息完全,以及所做的登记其登记地点是否正确这三个方面对人口总数计数的登记质量进行评估。人口总数计数登记质量的效果用人口普查误差表示,包括人口普查总体误差和人口普查平均误差。

论人口普查质量评估统计量

人口统计学家通常用人口普查误差来评估人口普查质量。然而,确切的人口普查误差是无法计算的,能够计算的仅仅是它的估计量。甚至,在有些时候所估计的,其实并不是人口普查误差,而仅仅是人口普查的平均差。详细解析这方面的基本理论和基本概念,分析人们在应用人口普查质量评估统计量时的常见误区,指出这种错误所引发的连带问题。

人口普查内容误差估计

人口普查不可避免会发生覆盖误差与内容误差。这两类误差都要纳入评估范围。发达国家迄今尚未评估内容误差。发展中国家虽然评估内容误差,但所采用的“未加权内容误差比率估计量”未覆盖各种来源引起的内容误差。针对这一缺陷,本文研究目标是,用提出的“加权内容误差完整估计量”替代“未加权内容误差比率估计量”。为实现目标,采用文献解读法、现场调查法和数理模型法研究“加权内容误差完整估计量”及其抽样方差估计量的建立。研究意义在于,建立以“加权内容误差完整估计量”为核心的人口普查内容误差评估理论体系,为政府统计部门制定人口普查内容误差评估方案提供参考。

人口普查内容误差评估

文章针对现行内容误差评估指标,利用样本未加权数据构造,从而违背抽样推断理论要求的问题,明确提出用狭义内容误差评估指标体系予以替代的研究目标.为实现这一目标,文章采用样本加权数据构造狭义内容误差指标的估计量及抽样方差估计量,解读本领域已有成果的得与失,创新内容误差研究新思路.运用这一思路,研究了人口普查内容误差的发生机制,内容误差测评指标体系的构建,测评指标的抽样估计等问题.通过上述研究,得出下列结论:在抽样调查条件下必须给出测评指标的抽样估计程序.

合成估计量在小区域人口普查净误差估计中的应用

针对中国人口普查质量评估尚未评估小区域人口普查净误差的情况,研究合成估计量在评估小区域人口普查净误差估计中的应用。查阅相关文献并结合数理模型分析,结果表明:合成估计量在给定事后层的覆盖修正因子不变的假设前提下,能够估计该事后层各个地区和各个类别的人口规模,进而估计各个地区和各个类别的人口普查净误差。根据实践经验,该假设前提并非常态,因此基于覆盖修正因子的人口规模估计也会有偏差,合成估计量的偏差也会随着地理区域的大小增加而减小。建议可以使用合成估计量估计各个省(自治区、直辖市)的实际人口数及人口普查净误差。

人口普查,事后计数调查和行政记录的三系统估计量

本文采用文献综述及理论与实践相结合的研究方法构建三系统估计量。研究结果表明,三系统估计量能够较好地解决作为当今人口质量评估主流方法的双系统估计量所存在的交互作用偏差问题,显著提高人口普查净误差估计的精度。本文率先在国内提出并论证了在人口普查质量评估工作中应用三系统估计量的理论依据及其实践方法。这有助于三系统估计量在我国人口数目及人口普查净误差估计中的推广应用。

人口普查质量评估中Logistic回归模型的应用

双系统估计量是目前估计目标总体真实人口数及人口普查净误差的主流方法,构造双系统估计量时,要求总体中的人口具有相同的登记概率。为达此目的,目前各国通行的做法是对人口总体进行抽样后分层。用Logistic回归模型取代抽样后分层是人口普查质量评估领域的前沿问题。本文系统地解读了基于Logistic回归模型的双系统估计量及其方差估计量,认为Logistic回归模型能够纳入更多的分层变量,具有很好的应用前景。