比率估算.ppt

比率估计与简单估计的效率比较 简单估计量无偏，而比率估计量渐近无偏。 因此这里只比较当ｎ比较大的情形。 比率估计量优于简单估计量的条件是： 正高度相关 2.3 比率估计量及其性质 2.3.1 比率估计量的性质 2.3.2 比率估计量的方差估计 2.3.3 比率估计量的其他问题 总体参数：总体是调查的客体，而总体参数是总体某个特征或属性的数量表现。 常见的总体参数有4种： （1）总体均值: （2）总体总值: （3）总体比例: （4）总体比率: 统计量：是根据样本的n个单元的变量值计算出的一个量，也叫估计量，用于对总体参数的估计。统计量是随机变量。 常用的统计量有4种： （1）均值估计: （2）总值估计: （3）比例估计: （4）比率估计: 抽样误差的评判标准 估计量方差： 偏差： 均方误差： 随机性误差 系统性误差 对总体特征估计的思路与方法 两种思路与方法： 直接估计：不借助任何辅助变量，仅仅通过变量的样本观察值对其总体特征进行直接估计，即样本特征的线性组合表示总体特征，故统称线性估计。 间接估计：借助相关辅助变量，对我们所感兴趣的变量的总体特征进行间接估计，用样本特征的非线性组合表示总体特征，故统称为非线性估计。 直接估计：简单线性估计 间接估计：比估计、回归估计 调查中都有辅助信息，抽样框也通常有每个单元额外的信息，这些信息能用来提高我们的估计精度。 1802年，拉普拉斯想要估计法国的人口数目。他获得了一个遍布全国范围的30commune的样本，截至1802年9月23日总共有2037615居民。在包括1802年9月23日以前的三年中，在30个commune 有215599个新生儿。 拉普拉斯认为30个commune每年注册的新生儿数为215599/3=71866.33。把2037615按照71866.33来分，拉普拉斯估计每年每28.35人里有一个注册新生儿。 具有众多人口的乡镇也就可能有同样众多的注册新生儿，通过用28.35乘以全法国年度新生儿总数来估计得出法国人口总数。 为什么要使用比率估计/回归估计? 利用总体的辅助信息提高估计的精度。 辅助指标的选择 ：辅助指标应该与调查指标有较好的相关关系 。 辅助指标的总体总量或总体均值已知。 比率估计、回归估计需要有足够的样本量才能保证估计的有效。 有偏估计：当样本量足够大时，估计的偏倚趋于0。 调整来自样本的估计量以便它们反映人口统计学的总量。 在一所具有4000名学生的大学提取一个400个学生的简单随机样本，此样本可能包含240个女性，160个男性，且其中被抽中的84名女性与40名男性计划以教学为毕业后的职业。 比率估计量被用来对无回答进行调整 设抽取一个行业的样本：令yi为i行业花费在健康保险上的金额，xi为i行业的雇员数。假定对总体中的每个行业xi均已知。我们希望一个行业花费在健康保险上的金额与雇员数相关。某些行业在调查中可能涉及不到。估计保险费用的总花销时调整无回答的方法之一是用总体数 X 乘以比率 比估计及其性质 设有一个二元变量的总体 ： 有 4 个参数是我们所熟悉的： ————指标 的平均数 ——指标 的方差 如果简单随机样本为 ，则 及 的估计为： 在研究比估计之前，再引进一个新的参数——变量之间 的协方差： 之间的相关系数定义为： 在讨论比估计之前，先考察总体的两个平均数之比，即 由于 分别是 的无偏估计， 的估计自然定义为 假如 或 X 已知，总体平均数 与总体总和 Y 的比估计 量定义为： 通常的比估计是指 (1) 式与 (2) 式，而 则称为比值 的 估计。 一个合理的估计量，应该随着样本容量 n 的增加，估计量的 期望与参数之差应该越来越小并渐渐趋于零，即“渐近无偏” (1) (2) 由 (1) 式与 (2) 式可知， 与 的习性主要依赖于估计量 ，因此在不少场合，我们常用 来说明。 尽管 分别是 的无偏估计，由于 的非线性形式，因 此 关于 是有偏的，从而 关于 也是有偏的。 比估计是否渐近无偏呢？ 利用Taylor展开式，有 将比估计 表示为： (3) 当 n 相当大时，