發(fā)布時間：2020-11-12 15:07

　　 由于大部分抽樣調(diào)查的設(shè)計只為獲取總體信息,容易使得在一些子群體上的樣本分配較少,導(dǎo)致對這些子群體參數(shù)的估計達不到精度要求.在單元級上通過建立合適的模型來挖掘子群體間的共同信息,并利用提取的信息來提高小樣本子群體參數(shù)估計精度的方法是近年來小區(qū)域估計常用的方法.但現(xiàn)有的方法中通常假定模型中的誤差項相互獨立,這在許多時候不符合實際,而密度比模型可有效地刻畫子群體誤差項間的相關(guān)性.本文在假定誤差項服從密度比模型的條件下研究小區(qū)域均值估計問題,主要內(nèi)容如下:首先,在假定嵌套誤差線性回歸模型誤差項服從密度比模型的情況下,通過經(jīng)驗似然方法估計出各小區(qū)域的誤差分布函數(shù),并由此估計出子群體目標(biāo)變量的分布函數(shù),從而通過該分布函數(shù)估計出各小區(qū)域均值.數(shù)值模擬結(jié)果表明,該方法給出的均值估計具有較小的偏差和均方誤差.其次,基于嵌套誤差非參數(shù)模型,在假定誤差項服從密度比模型的情況下研究小區(qū)域均值估計.先通過懲罰樣條擬合非參數(shù)函數(shù),然后基于擬合殘差利用經(jīng)驗似然方法估計誤差分布函數(shù),并進一步估計出子群體目標(biāo)變量的分布函數(shù),再用目標(biāo)變量的分布函數(shù)來估計各小區(qū)域的均值.數(shù)值模擬結(jié)果表明,相比于直接估計,新方法能夠顯著提高估計精度,但差于線性模型.此外,還發(fā)現(xiàn)密度比模型中基函數(shù)的選擇對線性模型有顯著影響,但對非參數(shù)模型的影響很小.最后,利用提出的方法研究了一組加拿大人口抽樣調(diào)查數(shù)據(jù)中的個人收入小區(qū)域估計問題.
【學(xué)位單位】：青海師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：C815
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 基于設(shè)計的方法
        1.2.2 基于模型的方法
    1.3 研究意義
    1.4 研究內(nèi)容
第二章 預(yù)備知識
    2.1 符號和假設(shè)
    2.2 兩個基本的小區(qū)域估計模型
        2.2.1 區(qū)域級模型
        2.2.2 單元級模型
        2.2.3 兩個基本模型的聯(lián)系與區(qū)別
    2.3 估計方法
    2.4 相關(guān)理論
        2.4.1 經(jīng)驗似然方法
        2.4.2 密度比模型
        2.4.3 基于密度比模型的小區(qū)域均值估計
第三章 線性模型下的小區(qū)域均值估計
    3.1 模型與假設(shè)
    3.2 估計方法
    3.3 數(shù)值模擬
    3.4 實例分析
第四章 非參數(shù)模型下的小區(qū)域均值估計
    4.1 模型與假設(shè)
    4.2 估計方法
    4.3 數(shù)值模擬
    4.4 線性與非參數(shù)模擬結(jié)果對比
    4.5 實例分析
第五章 總結(jié)與展望
參考文獻
致謝
個人簡介
攻讀碩士學(xué)位期間研究成果

【參考文獻】

相關(guān)博士學(xué)位論文 前1條

1 李華鵬;經(jīng)驗似然在密度比模型和小域估計中的若干研究[D];華東師范大學(xué);2018年

相關(guān)碩士學(xué)位論文 前1條

1 閆單單;基于復(fù)雜抽樣的小域估計方法及其在中國的應(yīng)用研究[D];暨南大學(xué);2017年

本文編號：2880887