基于非参数方法的模型辅助抽样估计研究

发布时间：2021-01-13 16:23

　　随着大数据时代的来临,数据比以往更加受到人们的重视,数据的采集和分析在个人生活、企业的经营管理和国民经济的宏观调控中都起到很重要的指导作用。当下,抽样调查仍然是实际生活中搜集和分析数据的最重要的方法,因此本文将以抽样调查这一领域为研究目标,深入研究抽样调查中抽样估计的方法。文章主要研究了在抽样调查的抽样估计阶段如何充分利用辅助信息,通过非参数模型辅助估计量来估计总体的总值。具体而言,本文就非参数方法在模型辅助估计中的三个方面问题做了深入研究:其一:本文在总结现有模型辅助估计方法的基础上,通过基于设计的HT估计量和广义差分估计法,建立起了基于设计和基于辅助模型估计之间的联系,并在理论上给出了模型辅助估计方法的统一框架。其二,通过梳理模型辅助下非参数方法,在此基础上结合模型校准估计法构造一种新的非参数模型模型辅助估计量来尽量弥补传统估计量的缺陷。在一定的假设条件下,证明了该估计量具有设计一致性和渐进正态性,通过广义差分估计法获得了估计量的一致方差估计量。其适用性也更强,能够适应多元辅助变量和复杂抽样设计的情况。模拟结果显示:利用非参数方法得到的模型辅助估计量的在模型出现误设情况下的估计效果... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

具有跳层连接的单隐层前馈神经网络的示意图

图 6-1 数据拟合图（蓝线：样条回归；红线：线性回归）表 5 SPL 估计量对于 GREG 估计量的相关效率（RE）值光滑参数 RE 值0.25 10.5 10.75 11 110 0.9350 0.96100 0.91从图 6-1 可以看到，线性回归（红色线）对数据的拟合情况明显不如基于非参数拟合（蓝色线），所以从理论上可以理解惩罚样条估计在这个数据情况下会明显好REG 估计。当然，惩罚样条估计的效果也与光滑参数选择有关，当拟合曲线太光太粗糙的时候惩罚样条估计的效果都不好，但是结果显示起码都会与 GREG 估计。经过试验，对于该收入和支出数据而言，光滑参数在 50 到 100 之间都会取得比的估计效果，比如在光滑参数为 100 时，GREG 估计的 RE 要比惩罚样条估计的 R

【参考文献】：
期刊论文
[1]混合类型辅助变量下模型校准抽样估计研究[J]. 毕画,伍业锋.  统计研究. 2017(09)
[2]基于轮换样本连续性调查的校准组合估计方法研究[J]. 马志华,陈光慧.  数理统计与管理. 2017(04)
[3]基于半参数方法的模型辅助抽样估计研究[J]. 容越彦,陈光慧.  统计研究. 2015(12)
[4]抽样调查中的校准估计法[J]. 刘建平,常启辉.  统计研究. 2014(12)
[5]基于局部多项式回归方法的抽样估计[J]. 陈光慧.  统计与决策. 2011(04)
[6]双重分层抽样中的校正估计[J]. 黄莺,李金昌.  统计研究. 2008(07)
[7]处理无回答的校准估计[J]. 金勇进,张琅.  统计研究. 2002(06)



本文编号：2975184