第5章比估计和回归估计.docxVIP

Chap5比估计和回归估计教学要求：重难点：引语：（请学生回顾）前面介绍过的目标量有四个类型：总体均值、总体总量、总体比例、两个指标的总数或均值的比值Ｒ，在简单随机抽样和分层抽样中讨论的目标都是前三类，且它们本质上是一类，相互之间可类推。本章讨论第四类目标量比值Ｒ的估计，这是第一个问题。比如服装消费支出占总支出的比值，在校儿童对全体儿童的比重。其次前面所用的估计量是简单估计，它只涉及所估计的指标本身。如果有另一个和Ｙ关系密切（比例关系或线性回归关系）的指标Ｘ可作为辅助变量，来构造另一类估计量，即比估计量或回归估计量，来提高估计精度，这是第二问题。如调查每月每户平均消费，消费通常和每户人口数密切相关，可用每户人口数作为辅助变量，先估计每月每户平均消费和每户人口数的比值Ｒ，然后利用已知的每户平均人口，就可得到每月每户平均消费的估计值。由于这两个问题之间存在密切的内在关系，因此放在这一章节一起讨论。5.1比估计基本概念考虑到有两个指标量Ｙ和Ｘ，不妨将总体记为，对应样本为，如果要估计的是总体比值，则总体比值Ｒ可用样本的比值进行估计，该估计量称为比值估计量．当调查指标仅为Ｙ，Ｘ为辅助变量时，在或已知时，和Ｙ可用　　　　分别进行估计，称为比（比率）估计量．这三者通称为比估计量，它们之间只相差一个常数，相互之间可推导，研究时只选择一个即可．性质我们知道简单估计量是无偏估计，其均值误差等于其方差．但对于比估计量却不具有无偏性，而是渐近无偏．其均值误差和方差有差异，但偏倚不大．可证：对于简单随机抽样，当n很大时，　　简要证明：当n很大时，，代入上式分母中，有所以，当n很大时．此时对每个总体单元，令，对每个样本单元有，则其总体均值和样本均值分别为　　因而　　　　＝所以，当n很大时　　此方差的估计量可采用或　　　　　　　　　说明：这两个方差估计量很难比较谁优谁劣，对不同总体有不同结论。类推可得：对于简单随机抽样，当n很大时，，　　, 　， ,　【例1】（冯Ｐ１３０例5.3）交通运输统计中有三个重要的指标，即运量、周转量和平均运距，其中平均运距是总周转量除以运量所得的商。为估计公路载货汽车的平均运距，在总体中用简单随机抽样抽取32辆货车，记录每辆车在一个月内的运量xi(单位吨)和周转量yi (单位吨公里)，如P130表5.3所示，试估计平均运距R并给它的90%的置信区间。解：,,,故平均运距Ｒ的估计值为为求方差估计值，令１－f＝1，R的90%的置信区间为比估计和简单估计的比较简单估计法以样本均值估计总体均值，比估计以估计，两者的估计方差为 EMBED Equation.3 由于样本方差和样本协方差是总体方差和总体协方差的无偏估计，所以的一个近似估计是即其中 EMBED Equation.3 是指标Ｘ和Ｙ的总体相关系数．比估计优于简单估计的条件是　　　　　 (*)其中：，分别是总体Xi和Yi的变异系数.*式说明在估计时，如果有和指标Ｙ相关系数较大的辅助指标Ｘ，而且Ｘ的变异系数比较小，则用比估计法的有利的．即Ｘ的变异系数和Ｙ的变异系数相当，当相关系数ρ大于１／２时，比估计比简单估计更优．5.２回归估计有效运用比估计的一个前提是Ｙ和辅助变量X基本上成（正）比例关系，即Yi对Xi的回归直线通过原点。若Yi对Xi的回归直线不通过原点，为了进一步提高精度，则应使用回归估计。对于简单随机抽样，总体均值和总量Ｙ的（线性）回归估计量定义为：　　　　　其中是样本均值，β可以是：(1)事先设定的常数；(2)从样本中计算得到的某一特定统计量，如样本回归系数。下面例举几种回归估计的特殊情况。(1)当时的回归估计量称为差估计量（difference estimator）：(2)当时，即为简单估计量。(3)当时，则即比估计量。我们知道简单估计是无偏估计，而比估计是渐近无偏的，也就是说β为设定常数和β为某一统计量对回归估计在性质上有很大的不同，下面分别进行讨论。１．β为设定常数令β０是设定常数，易证回归估计量是的无偏估计。求它的方差时，可视为的样本均值，所以可用简单估计量的方差公式： EMBED Equation.3 由于样本方差和样本协方差是总体方差和总体协方差的无偏估计，因此的一个无偏估计是　　　　　　β０的不同取值会影响值，若取值合理，就小，否则就大。若要最小，则最小。对β０求导，则，即为Ｙ对Ｘ的总体回归系数Ｂ时，取得最小值　　　　　．２．β为样本回归系数Ｙ对Ｘ的总体回归系数Ｂ一般是未知的，自然人们常用其样本回归系数b，估计Ｂ，此时总体均值的回归估计为　　可以证明，当n大时，以估计是近似无偏的；其均方误差近似为理论上的最小值，即　　　　　此式中的可用以下样本残差方差进行估计：　所以的一个近似估计式为　　３．回归估计和简单估计和比估计的比较将回归估计(β