抽样调查6-3～4.pdfVIP

§4 回归估计量 前面讨论的比估计之所以能在精度方面获益匪浅，是因 为我们充分利用了已知的辅助变量X 的信息，而且这个辅助 变量X 与我们所关心的变量Y 之间基本上成比例关系,这种关 系越密切，对Y 的某些指标的估计精度就越高。 现在假定变量Y与X之间存在着线性回归关系（但不是通 过原点），又假设X 的信息已知或部分已知，我们想利用X 的 信息提高对Y 的估计精度。 1、简单随机抽样情况 设从总体(Y , X ) i 1,2, , N 中随机无放回的抽取样本 i i (y ,x ) i 1,2, ,n y ，若变量 关于 的回归直线不通过 i i i x i 原点，具有如下形式： y  x  i 1,2, ,n (5.26) i 0 1 i i ˆ y y 的回归值 估计为 i i ˆ ˆ y y  (x x ) (5.27) i 1 i ˆ ˆ     其中 是 的估计量。为方便起见，记 ，我们可 1 1 1 ˆ y y 以用所有N个 的回归值 的平均值来估计总体平均数Y i i Y X 这样就得到 的线性回归估计，倘若 已知，有： y lr y (X x ) (5.28) 相应的，总体总和 的回归估计为： Y y lr N y lr (5.29)  这里 可以是一个设定的常数，也可以是估计得到的回归 系数。例如，若设定 0 ，则y tr y 即为简单估计量； 若令  y x 是一个估计量，则 y y y lr y  (X x ) X yR x x 即为比估计量。可见回归估计包含简单估计和比估计。 (1) 为设定常数的情形 这种情况在实际应用中是存在的。比如为同一目的进行 X 的调查已重复进行多次，将以前数据中 关于 计算而得的