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。

方差的几种常用估计量及其效果

给出了方差的几种形式的估计量,并在正态总体条件下,对估计量的数字特征进行了分析、比较。

多阶等距抽样下总体总值估计量的方差估计

本文给出了多阶抽样下构造总体总值估计量的方差估计量的一种方法．由此，可以得到多阶等距抽样下总体总值估计量的方差估计．

总体均值估计量最小方差的改进

在简单随机抽样中,样本均值是总体均值的无偏估计。其他复杂的抽样方法常以简单随机抽样为基础,对于相同的样本容量条件下不同的抽样方法来说,总体均值估计量的方差就成为衡量各种抽样方法的有效程度的重要标志。对文[1]中给出的求有限总体均值估计量最小方差的几种方法进行了讨论,并对其求解方法进行了改进。

分块线性模型及导出模型方差的估计量间关系研究

研究了在线性模型及其两个导出模型下 ,σ2 的最小范数二次无偏估计之间的关系 ,并给出了他们相等的充要条件。

正态总体方差几类估计量的比较

对正态总体下方差σ2的三类常用估计量在无偏性、有效性、一致性等准则下进行了分析与比较,以便在实际应用中较准确选取估计量.

方差估计量S^2与S_n^2的比较

本文对总体ξ的方差估计量Ｓ￣２与Ｓ＿ｎ￣２进行了比较。

概化理论方差分量及其变异量估计:Jackknife方法与Traditional方法比较

文章生成概化理论p×i、p×i×h、p×(i:h)三种不同设计下的正态数据、多项数据和二项数据,用Jackknife方法和Traditional方法估计数据的方差分量、标准误和置信区间,并比较这两种方法的性能。结果表明:(1)Jackknife方法在方差分量估计和标准误估计上都较为准确;(2)相较于Traditional方法,Jackknife方法在方差分量置信区间估计上略有不足。(3)相较于Traditional方法,Jackknife方法估计的准确性不随数据类型、研究设计和方差分量的不同而产生波动,具有更强的稳健性。

二分总体中随机化调查法的一种新的估计量及协方差改进估计

本文在使用以正态分布作为随机化分布的随机化回答调查法的情况下；给出了二分总体中对一敏感性问题属于Ａ类所占比例的θ的一种新的估计量，并利用Ｆｒａｎｋｌｉｎ（１９９０）［１］及Ｃｈｕａ和 Ｃｈｉａｎｇ（１９９５）［２］给出的估计量构造了一种协方差改进估计，然后对这几种估计量进行了比较，最后给出了苦干定理的证明．

线性回归模型中方差σ^2估计量的影响函数

本文给出了线性回归模型中方差σ２估计量σ２的理论影响函数，经验影响函数，样本影响函数。为分析分布扰动以及样本点对估计量σ２的影响提供了有力工具。

林木直径分布的马尔可夫预测Ⅱ估计量的方差

利用连续清查的两期固定样地的资料，对下一期林木直径分布的各径级比例和株数，枯损比例和总株数、进界木株数以及从一个径级转移到另一个径级的株数等参数的无偏估计量，本文给出了各估计量的方差。

放回抽样下HT估计量的性质及应用

放回抽样下传统的估计方法是采用Hansen-Hurwitz估计。而放回抽样下HH估计量并不是一致最小方差无偏估计,本文提出了另一种估计方法,即采用Horvitz-Thompson估计,并论证了放回抽样下HT估计量的三条定理,及与HH估计量的比较。说明在一定条件下,HT估计量相对更优。在实际应用中,本文也提出了通过比较方差估计作为选取估计量的准则。

人口数目估计中的独立双系统估计量研究

利用存在统计相依关系的两份人口登记名单构造的非独立双系统估计量是目前估计总体实际人口数的前沿方法。该估计量由最初用于估计一个区域内的野生动物数目的捕获-再捕获模型移植而来。非独立双系统估计量的一个明显缺陷是低估总体实际人口数。用独立双系统估计量替代非独立双系统估计量属于人口数目估计领域的理论创新研究。采用数理分析与实证分析相结合的方法研究独立双系统估计量及其方差估计量。为便于读者理解,通过一个实证案例全面演示了独立双系统估计量的计算过程。研究表明,独立双系统估计量所估计的人口数平均接近于实际人口数,建议在未来人口数目估计中应用独立双系统估计量。

Jackknife估计及其应用浅探

介绍Jackknife估计基本方法及其优越性 .

线性回归M估计量的Wild Bootstrap方法研究

Wild Bootstrap是一种适用于回归方程中存在异方差时的再取样方法。本文通过线性回归Huber估计量的模拟研究,比较了不同的bootstrap方法,并验证了wild bootstrap方法在有限样本下的有效性。通过运用一种简单有限样本统计量对wild bootstrap加以修正,对于存在异方差性且基于固定设计的回归模型而言,wild bootstrap成为首选的重复抽样法。

季节模型参数估计量的经验偏差和均方误差(英文)

由MonteCarlo研究得到季节模型参数的通常的最小方差估计量、简单对称估计量和加权对称估计量的经验偏差和均方误差以及最小方差估计量对简单对称估计量和加权对称估计量的比率 .结果表明对非平稳序列最小方差估计量比其它两个估计量更有效且较小季节值的有效性也较小 ,但当平稳序列参数的绝对值接近 1时 ,加权对称估计量和简单对称估计量比最小方差估计量更有效且较大季节值的有效性也较大 .

估计量无偏性的证明

目前在点估计的理论和实用中 ,无偏性占据很重要的地位 ,对与同一参数的不同的点估计量 ,无偏性是对估计量最基本的要求 ,无偏估计量的证明 ,关键在于求出未知参数 θ的估计

捕获——再捕获抽样中的组合估计量

本文介绍了捕获——再捕获抽样的思想方法 ,提出了一个新的捕获——再捕获抽样的估计量 :组合估计量 。

捕获——再捕获抽样中的复合估计量

本文介绍了捕获——再捕获抽样的思想方法,提出了一个新的捕获——再捕获抽样的估计量:复合估计量,并讨论了它的性质和最小方差。