【抽样技术】讲稿10.ppt

加权调整（weighting） 加权调整法是通过对调查中所获得的回答数据使用加权因子，达到对数据进行调整，减小由于无回答造成的估计偏差。 加权组调整 相关推估法 主要用于调查中的项目无回答 基本思路是寻找与无回答问题变量有关联的其他调查问题变量,利用调查数据建立起变量之间的回归方程,对项目无回答的变量值进行推估。 插补调整 两个调整目的: 第一个是减小由于无回答可能造成的估计量偏差； 第二个是力图构造一个完整的数据集。 插补法的效率如何，取决于插补值与原无回答数据的相似程度 均值插补法 实际中使用较多，根据辅助信息将样本分为若干组，使组内各单元的主要特征相似。然后分别计算各组目标变量Y的均值，将各组均值作为组内所有缺失项的替补值。 优点：操作简便；对均值和总量这样的单变量参数可以有 效地降低其点估计的偏差 缺点：插补的结果歪曲了样本单元中Y变量的分布； 插补结果将导致在均值和总量估计中对方差的低估 均值插补适用的场合是仅仅进行简单的点估计,而不适用于需要方差估计等比较复杂的分析。 随机插补 采用某种概率抽样的方式,从回答单元的资料中抽取无回答的替补值。 第四节 计量误差 一、相关概念 涵盖范围广，主要成因分类： 设计误差：问卷设计 ，抽样过程 被调查者误差：无意识误差和有意识误差 调查者误差：现场调查人员造成的误差 其它误差:测量工具,编码 ,录入等 二、计量误差模型 推导过程 对样本加以平均 =计量随机误差+抽样方差+计量偏差的平方+协方差（通常为零 ） 小结 第一，如果计量中存在偏差，结果会使估计量产生偏差； 第二，偏差虽然可以影响估计量，但不会影响抽样方差； 第三，假如不存在常数偏差，且样本中计量误差互不相关，便会有 在抽样调查中，由于计量方差的存在，一般的抽样误差计算公式往往低估了实际中的误差状况。 第四，若计量误差之间存在相关，这时 第五，将计量方差、抽样方差、偏差平方用另一种方式表示 可以看出，随样本量n的增大，抽样方差会越来越小，但偏差平方与n无关；在大样本调查中，B与 所带来的影响成为了MSE中的主要部分，抽样方差在总误差中而显得不太重要。 样本内相关系数。即使很小，也会产生极大影响 三、减少计量误差的措施 需要对调查全过程质量控制 调查设计方面 现场准备方面 ：招聘访问员；对访问员培训；编写调查手册 调查结果审核方面 ：有效性审核、一致性审核、数据分布审核 第五节 离群值的检测和处理 一、离群值的概念 离群值是调查数据集里的极端值,是指和其他数据明显不一致的观测值。 区分极端观测值和影响较大的观测值 一个极端值不一定是有较大影响的观测值。但如果有较大影响的观测值是极端值即离群值,问题就显得十分严重。 可分为单变量离群值和多变量离群值 离群值产生的原因： 被调查者回答数据有错误; 调查人员记录数据有错误,如记录错误或数据录入错误。 二、离群值的确认 最常见的是单变量检测方法 三、离群值的处理 在调查进行中发现离群值：进行回访核实，更正错误 在调查完毕后的审核中发现离群值：插补处理 估计时处理离群值方法： 改变数值； 调整权重； 进行稳健估计 改变数值 调整权重 降低离群值的权重，从而使它们的影响变小 对估计的影响很大，特别是对偏态总体的估计结果通常为低估。 目前，已经提出了一些能够降低离群值权重的估计量。【参见Rao (1970), Hidiroglou and Srinath (1981)】 选取稳健估计量 经典的估计理论中，估计量对离群值非常敏感。 稳健估计量能克服这种局限性，因为它对分布的假设不太敏感。 关于稳健估计量和离群值检测的详细讲解,请参见 Barnett and Lewis (1995),Rousseeuw and Leroy (1987), Lee et al.(1992),以及 Lee(1995)。 第十章 调查中的非抽样误差 第一节 概述 第二节 抽样框误差 第三节 无回答误差 第四节 计量误差 第五节 离群值的检测和处理 第一节 概述 抽样误差与非抽样误差 非抽样误差的特点 不随样本量增加而减少 造成估计偏差 难以测定与识别 理论相对薄弱 产生渠道： 调查设计：调查问卷的设计，抽样底册的不完善