基于非参数方法的模型辅助抽样估计研究

《基于非参数方法的模型辅助抽样估计研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于非参数方法的模型辅助抽样估计研究作者姓名陈飞学科专业统计学指导教师贺建风副教授所在学院经济与贸易学院论文提交日期2018年4月Model-AssistedEstimationforSurveysUsingNon-parametricMethodsADissertationSubmittedfortheDegreeofMasterCandidate：ChenFeiSupervisor：AssociateProfessorHeJianFengSouthChinaUniversityofTechnologyG

2、uangzhou,China分类号：O212学校代号：10561学号：201520135634华南理工大学硕士学位论文基于非参数方法的模型辅助抽样估计研究作者姓名：陈飞指导教师姓名、职称：贺建风、副教授申请学位级别：经济学硕士学科专业名称：统计学研究方向：统计学理论与方法研究论文提交日期：2018年4月13日论文答辩日期：2018年5月17日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：夏南新教授委员：张彩江教授、孙艳副教授、吴梅副教授、于孝建副教授摘要随着大数据时代的来临，数据比以往更加受到人们

3、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

4、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好于传统的线性估计量；在模型正确的条件下，估计效果与传统估计量大致相同。其三，我国抽样调查实

5、践起步较晚，该领域的理论研究也始终滞后于国际先进水平。本文的研究内容能够为该领域的相关实践人员提供有参考价值的基础资料，也能够对模型辅助估计法在我国的推广、运用和发展起到一定的推进作用，这也是本文研究的意义所在。关键词：抽样估计，模型辅助，非参数方法，辅助信息IAbstractWiththeadventoftheeraofbigdata,datahasreceivedmoreattentionthaneverbefore.Datacollectionandanalysishaveplayedanimportantrol

6、eindailylife,busi-nessmanagement,andmacroeconomicregulationofthenationaleconomy.Thegoalofthepaperisrestrictedtosamplingsurveywhichisthemostimportantmeanofcol-lectingdataatpresent.Thepaperexploreshowtoutilizeauxiliaryinformationthroughthenonparametricmethodsinthe

7、phaseofsamplingestimationtoestimatethetotalofthepopulation.Specifically,thispaperdoesaresearchofnonparametricmethodsinmodel-assistedestimationonthefollowingaspects.Firstly,bysummarizingtheexistingmodel-assistedestimationtheories,thispa-perbuiltaunifiedframeworko

8、fmodel-assistedestimationthroughanalyzethecon-nectionofdesign-basedHTestimatorandthegeneralizeddifferenceestimator.Secondly,basedonreviewingthemodel-assistednon-param