广义平衡抽样及其模型辅助估计方法研究

当传统平衡抽样条件满足时,传统平衡抽样方法能够抽出代表性较强的样本,对应的Horvitz-Thompson估计量的估计效果也较好。但在实际抽样中,超总体模型为线性回归模型以及平衡变量的总体单元信息完全已知,这两个基本条件常常无法满足。因此,本文扩展了抽样设计阶段的传统平衡抽样条件,提出广义平衡抽样方法;改进了抽样估计阶段的传统平衡Horvitz-Thompson估计量,提出广义平衡回归估计量。该方法对超总体模型是否为线性模型以及平衡变量的总体单元信息是否已知没有限制,扩大了平衡抽样的适用范围。相比于传统平衡抽样,广义平衡抽样提高了平衡样本在总体中的代表性。同时,相比于传统估计量,广义平衡回归估计量的估计精度更高,方差更稳定,并且估计量具有渐近设计无偏性和一致性。数值模拟和实证分析结果均表明,当平衡变量与目标变量之间紧密相关时,广义平衡抽样及广义平衡回归估计量具有优越性。

非概率样本模型辅助校准估计方法

大数据时代,如何高效地从高维数据中挖掘有效信息并进行统计推断逐渐成为人们关注的热点问题。文章基于高维数据研究如何充分利用已知辅助信息对非概率样本进行校准,主要包括两个方面的内容:一是在总体规模已知的情况下,对非概率样本进行模型辅助SCAD校准和模型辅助ALASSO校准,依次求出校准权重并对总体均值进行统计推断。二是在总体规模未知的情况下,对非概率样本进行估计控制模型辅助SCAD校准和估计控制模型辅助ALASSO校准,依次求出校准权重并对总体均值进行统计推断。

半参数乘积调整模型的抽样估计方法及应用研究

在抽样调查中，经常会遇到研究变量与其相关的辅助变量之间呈现非线性关系的情形，这时应用传统的广义回归估计方法将存在较大的局限和不足。为了解决这一问题，本文首先假定超总体模型的回归函数为一般形式的光滑函数，从而构建出半参数回归模型，利用半参数乘积调整方法对模型进行拟合，结合广义差分估计原理提出一种新型的半参数模型辅助抽样估计量，通过理论证明和数值模拟分析分别对比验证了这一套估计方法与传统方法相比所具备的有效性。在此基础上，对于在我国社会经济统计中如何应用这一套估计方法进行了展望。