基于随机块模型的中外统计学研究趋势分析

研究趋势的自动识别可以节省科研人员的时间,帮助他们把握本学科的研究动态.根据最小描述长度原则选择了最优的度修正随机块模型,分析了2001年至2015年中外统计学期刊的关键词网络,梳理了十五年来中外统计学研究的发展趋势·结果发现,国外统计学研究以统计理论为主,近几年以高维数据为代表的大数据相关主题持续火热;我国统计学研究主要与经济相关,近些年数据科学相关主题才有所发展.

基于DCSBM模型的受访者驱动抽样调查估计量改进

大数据背景下,将受访者驱动抽样(RDS)用于网络抽样调查,解决了传统抽样调查难以获得可用抽样框、难以接触被调查者以及难以获得回答等问题,也使得网络调查可以实现概率抽样,得到一定误差范围内的总体参数估计.然而,在实际抽样过程中,同质性问题(即样本单元在推荐同伴时倾向于推荐那些与自己有相同属性的同伴)会导致RDS估计量的方差增大.为解决该问题,文章假定目标总体服从度修正随机块模型(DCSBM),利用区块间的经验转移概率对样本进行区块的事后分层,提出了事后分层与逆概率加权相结合的PS-IPW估计量.通过模拟不同的同质性水平的目标总体社交网络和RDS抽样,比较PS-IPW估计量的相对效率;并通过实证分析,利用样本分块矩阵的谱性质选择分层变量,进一步验证RDS抽样的适用性以及PS-IPW估计量的有效性.