调查抽样中的推断方法和渐近实际.pdf

摘 要 我们知道，在抽样调查中并不总能获得感兴趣特征Ⅳ的精确值，测量误差常常存 在．而坚持对大量样本单位获得精确测量值将耗资巨大．因此，常代之以两个或多个 在精度和费用上明显不同的“仪器”进行测量。具有最小测量误差的“仪器”常称为 “精确的”。当然，“精确的”这个概念是相对的，是为了实际需要。假设我们用几种 不精确的和一精确的仪器独立地测量了一总体的某一特征，这样我们得到』，几个具有 不同精度的样本集．此时统计推断应基于它们组成的合并样本集，因为仅利用精确测 量值将导致效率损失。 在有限总体推断问题中，附带信息常可利用．例如，假设有限总体由Ⅳ个不同的 单位组成，对应第i个单位的是研究变量玑，和辅助向量‰。在许多应用中，辅助向 量矗的某些特征(如，总体均值x一专∑甄或者总体中位数弛)是已知的。在某些 一仁l 情况下，所有z-，z：，…，o．v都已知，即有完全辅助信息。另外，我们也可能有关于研 究变量的部分信息．例如，我们可能已知研究变量总体均值，或者已知研究变量分布 函数关于某常数对称．一个有趣的问题是，如何才能最有效地科用这些信息? 经验似然方法也不需要像参数似然方法那样假定数据来自某指定的分布族。经验似然 还可自动确定置信区域的形状，并可直接结合由约束或先验分布表示的附带信息．经 验似然法可看作是不需重抽样的自助法，又可看作不需参数假设的似然法． and andRtao 根于抽样调查中(HartleyRao(1968))．在简单随机抽样下，Har七ley and (1968)，chenQin(1993)发现经验似然方法可有效地利用抽样调查中广泛存在 and 的辅助信息，并具有许多吸引人的特征．最近，zhongR肋(2000)研究了在分层 and 简单随机抽样下的经验似然法．在复杂抽样下，chen Rao and 似然方法．所有这些方法仅在样本被精确测量的范畴内讨论。 zhon＆Chen (2000)将经验似然法用于在有测量误差情形下感兴趣参数的推断．然而，他们的讨论 仅局限在简单随机抽样下的点估计问题．因此，当存在测量误差时，对感兴趣参数在 简单随机抽样下的检验问题及分层随机抽样下的统计推断值得感兴趣。 在1．1节中，我们考虑在有测量误差情况下感兴趣参数的检验问题．这里假设所 有不精确的仪器没有系统误差．利用经验似然方法，我们可结合所有可用的信息对感 兴趣参数进行统计检验。我们定义了经验似然比统计量，并获得了它们的渐近分布。 在1．2节中，在分层随机抽样及存在测量误差情况下，我们采用经验似然方法去 推断感兴趣参数．我们指出，经验似然方法充分地结合了所有样本信息，且导出的估 计量是渐近正态的．我们也定义了经验似然检验统计量并获得了它们的渐近分布．特 别地，我们应用经验似然方法去得到总体均值的点估计及置信区间．利用合样本所得 到的估计量在效率上比仅用精确测量数据得到的估计量有明显的提高． 函的经验似然范畴内，他证明了非参情形下的wilks定理，即对数经验似然比的渐近 V¨I j离 安 M一泛函的经验似然估汁和置信区间． 分布是卡方分布。zIlang(1995，1997)考虑r 但是，所有这些讨论不包括联系有限总体M一泛函的推断。 在i3节中，我们考虑在存在辅助信息情况下去估计联系有限总体的M一泛函． 特别地，我们考虑了在已知有限总体均值时去估计有限总体方差。通过雇佣经验似然 方法，我们提出r关于M一泛函的改进的估计和置信区间，并从理论卜-论证，它们优 丁