序贯调整估计量——不完全事后分层估计的新方法

在使用多个分类变量对样本进行交叉事后分层时,边缘总值已知、格子总值未知的不完全事后分层问题是估计时经常面临的情况。序贯调整估计量是本论文提出的解决这一问题的新方法。在详细介绍了序贯调整估计程序后,论文用随机模拟的方法研究了该估计量的数学性质,并将其与经典的不完全事后分层估计量做了比较。

市场调查中的不完全事后分层估计量

在使用多个分类变量对样本进行交叉事后分层时,经常面临边缘总值已知、格子总值未知的不完全事后分层问题。针对这一情况,给出两种估计量即搜索比率估计量和广义搜索比率估计量。

对不完全事后分层的估计

事后分层估计量是抽样调查中经常用到的一种估计方法。在使用多个分类变量对样本进行交叉事后分层时,边缘总值已知、格子总值未知的不完全事后分层问题是估计时又常面临的情况。本论文将对这一情况进行系统的总结,给出两个经典的估计量:搜索比率估计量和广义搜索比率估计量。