05比估计与回归估计.pptVIP

第五章 比估计与回归估计 本章讨论两类问题： 如何估计两个指标的总和（或均值）之比 R=Y/X； 如何利用变量 X与 Y之间的关系，以及 X的辅助信息，对Y 之总和或均值作更好的估计。 概述 一、问题背景 eg1. 食品开支在家庭收入中占的比例 eg2. 粮食亩产量 注意：R 与 P 的区别 抽样调查中经常采用辅助信息来提高估计的精度。 辅助信息往往是先于（或独立于）本次抽样调查得到的，常体现在若干个辅助变量中。 有些抽样框一开始就配有一个或若干个辅助变量，例如： 企业的注册资本 各街道最近依次人口普查时的居民人数 学校在册学生的年龄、性别、平均绩点 辅助变量的利用（假定与待研究的变量有关系）： 用于抽样设计 用于构造估计 Y 是待研究的变量，X 是辅助变量。 对每个样本单元，我们可通过调查获得 Yi，通过调查或其他途径可获得 xi。 Xi 可以是相应单元的历史数据、对 Yi 的粗略估计（比如目测值）等。我们还掌握了有关的总体信息，比如总体总和或均值。 若各 Yi 与 Xi 近似地呈正比例关系，那么就可以利用辅助变量 X 的信息构造比估计量，对 Y 的总和或均值作更好的估计。 本节先讨论 SRS中的比估计 三、R的估计(Ratio Estimator) 三、R的估计 只考虑SRS的情况。 1. 估计量 总体N个单元的指标值为(Xi, Yi), i=1,...,N. 欲估计 抽取容量为n的一个SRS，观测值为(xi,yi), i=1,...,n. 三、R的估计 2. 主要性质 三、R的估计 三、R的估计 三、R的估计 三、R的估计 例. 美国农业普查的资料 总体：3044个县（去掉了数据缺失的34个县） yi=第i个县1992年全部农场的面积(英亩)； xi=第i个县1987年全部农场的面积。 三、R的估计 5) R 的区间估计 大样本场合： 三、R的估计 小样本场合： 四、估计 R时，样本容量的确定 比估计为何能改进简单估计？ 例. 美国农业普查的资料 总体：3044个县（去掉了数据缺失的34个县） yi=第i个县1992年全部农场的面积； xi=第i个县1987年全部农场的面积。 从中抽取n=200的SRS。分别考察简单估计 与比估计 的抽样分布。模拟2000次。 2. 比估计量的期望与方差 3. 比估计量优于简单估计的条件 4. 方差估计量 5. 区间估计 6. 样本容量的确定 二、 回归估计(Regression Estimator) 如果Y与辅助变量X大致上呈正比例关系时，那么可以利用X的总体信息提高对Y的总体总和或均值的估计精度。 实际问题中，Y与X之间还可能呈现除正比例关系外别的关系，比如，较一般的线性关系。这时，又该如何利用这种关系来提高估计精度呢？ 1. 估计量 1. 估计量 2. b固定的情形 2. b固定的情形 3. 最佳的b0 B的含义 4. 用样本估计b 4. 用样本估计b 5. 回归估计、比估计、简单估计量的比较(大样本情况下) 6. 回归估计量的偏倚 何时用回归估计合适？ y与 x之间有较好的线性关系； 且 n 较大。 7. 有多个辅助变量时的回归估计量 §5.3 分层随机抽样中的比估计与回归估计 一、比估计 将比估计的思想运用于分层随机样本时，有两种可行的方法： 先分别构造各层的比估计，再加权平均或相加 —— 分别比估计； 先计算两个指标之总体均值（或总和）的简单估计，再构造比估计 —— 联合比估计。 一、比估计 1. 分别比估计(separate ratio estimator) 一、比估计——分别比估计 (2) 估计量的性质 一、比估计——分别比估计 (3) 方差估计量 2. 联合比估计(combined ratio estimator) 一、比估计——联合比估计 一、比估计——联合比估计 一、比估计——比较 二、回归估计 与比估计一样，对于分层随机样本，也可以考虑两种形式的回归估计： 分别回归估计——先分别构造各层的回归估计，再加权平均或相加 ； 联合回归估计——先根据两个指标的简单估计作回归，再构造回归估计。 二、回归估计 (1) 分别回归估计(separate regression estimator) 2. bh、b 为事先设定的常数 2. bh、b 为事先设定的常数 3. 回归系数需由样本估计的情形 分别回归估计 3. 回归系数需由样本估计的情形 当回归系数需从样本估计时 1)偏倚：分别回归估计 大于 联合回归估计 2)方差：分别回归估计 小于 联合回归估计 3)使用分别比估计的条件： 各层 nh 都较大； 各层 Bh 相差较大、且两变量间线性关系较好；