Eichhorn模型中缺失数据的一类比插补方法

对于数量特征敏感问题调查的项目无回答问题,恰当地使用辅助信息可以提高调查效率。已有多种利用辅助信息的比插补方法,提出一类简单、实用的比插补方法,构造最优估计量,对总体敏感指标进行估计,得出了估计量的均方方差,通过理论比较和数值模拟得出提出的估计量的效率优于传统的估计量。

比例Bootstrap及其方差估计的相合性

研究了比例Bootstrap,介绍其与通常的Bootstrap方法的差异;对简单随机抽样,在均匀回答的假定下,就缺失数据采取回归插补和比率插补的情形,证明了由比例Bootstrap方法得到的方差估计具有相合性;最后,通过模拟验证了理论结果.

具有缺失数据的Eichhorn模型

为了解决在Eichhorn乘法扰动模型中存在的项目无回答问题,对敏感变量总体均值在辅助变量总体均值已知与未知条件下提出了比率插补方法.理论比较和数值模拟得出的结果表明提出的插补方法比传统的方法效率更高.

缺失数据下Jackknife方差估计量的渐近设计无偏性

在实际的调查中经常会出现缺失数据．如何处理这种情况下总体目标量的估计是一个重要问题．Zou等(2002)对缺失数据情况下的样本轮换方法证明了他们所提出的线性化．Jackknife方差估计量在均匀回答下是估计量方差的近似的设计无偏估计．这一性质对于．Jackknife方差估计量的使用提供了重要依据．对于其它情况下．Jackknife方差估计量是否也具有这一性质无疑是一个有意义的问题．作者旨在研究文献中已提出的若干．Jackknife方差估计量的渐近设计无偏性．我们的结果表明Zou等(2002)所注意到的Jackknife方差估计量的渐近设计无偏性具有一定的普遍性。