不放回样本追加下基于永久随机数抽样技术的多层次推断方法及应用研究

抽样调查如何满足多层次推断的需要是我国政府统计调查在实践应用过程中面临的主要难题之一。本文根据我国现阶段抽样调查工作的实际情况,提出一套完整的适用于多层次推断的抽样调查方法。首先,使用永久随机数对现有抽样框进行更新维护,打破现有方法假设抽样框不变的局限性;其次,采用基于列表–序贯算法的条件Poisson抽样实现多层次推断,消除了固定样本量抽样技术仅适用于一次性抽样调查的限制,同时解决了随机样本量抽样技术样本量不固定的问题;此外,分别使用Sen-Yates-Grundy方法和Deville方法进行方差估计,以提高估计精度;最后,通过数值模拟和应用研究验证所提出方法的有效性。该方法在不显著增加调查经费的情况下,可广泛适用于不同数据类型的目标总体,在企业、住户等经济领域调查中具有可推广性的同时,也可为大数据背景下各级政府在实际解决多层次推断问题方面提供有价值的参考。

多变量与规模成比例概率抽样的有关问题

多变量与规模成比例概率抽样技术是永久随机数抽样技术与Poisson抽样技术的结合与发展。文章讨论了多变量与规模成比例概率抽样的基本原理,并对其实用价值进行述评,希望能促进该抽样技术在调查工作中的应用。

条件配置抽样的抽样设计

文章提出一种新的称之为条件配置抽样的抽样设计:通过不断产生配置样本,直到其样本量实现了预定容量n时样本才被接受。一方面围绕建立该设计基本理论展开探讨研究,给出了条件配置抽样一阶、二阶包含概率的形式表达式;另一方面在经典的线性超总体模型下,从数值上说明与条件Possion抽样比较,条件配置抽样在精度和实施上的优良性。

永久随机数在多层次调查中的应用

采用永久随机数法抽样技术抽到的样本具有很好地样本兼容的性质。本文讨论了采用序贯srswor抽样技术和Poisson抽样技术这两种永久随机数法抽样技术时,多层次调查的实现问题,希望能为多层次调查的实现提供一点启示。

慢性病发病率置信区间的构造

在流行病研究中,发病率是一个重要指标,该指标反映的是特定人群中某种疾病的发病程度.因此,对它的置信区间的构造在判别疾病发病程度上具有重要的医学意义.对于一些慢性疾(如癌症或心血管等),由于其发病周期长,发病率低,Poisson抽样下要比二项抽样,逆项抽样更符合事实.利用四种方法研究了泊松分布下慢性病发病率的置信区间构造,并通过Monte Ca·lo模拟对四种方法的表现性能进行比较.模拟结果表明:当发病率较高时,枢轴量方法无论在区间长度还是覆盖率上都袁现最佳:当发病率相对较低时,枢轴量方法在区间长度上略次于Wald统计量方法和得分方法,但是在覆盖率上袁现最佳.因此,枢轴量方法整体上表现的很好.

Pareto πps抽样的Horvitz-Thompson估计量方差研究

对Pareto πps抽样统计性质的研究能够为其在中国农业抽样调查中应用的可行性提供理论依据.文章对Pareto πps抽样的Horvitz-Thompson估计量方差研究发现:在大多数实际调查中,给定抽样比,总体单元数足够大,Pareto πps抽样的Horvitz-Thompson估计量方差小于Poisson抽样的比估计量方差和πps系统抽样的Horvitz-Thompson估计量方差.选择增长速度慢于目标变量的规模变量有利于增加Pareto πps抽样Horvitz-Thompson估计量方差的相对优势.总体单元数、抽样比的增加、目标变量与规模变量关系调节参数的增大有利于发挥Pareto πps抽样Horvitz-Thompson估计量方差的相对优势.