【抽样技术】CH2 简单随机抽样补充——比率估计与回归估计

数据人的自我救赎

已于 2022-11-29 19:15:10 修改

阅读量6.3k

点赞数 11

分类专栏：抽样技术文章标签：算法服务器运维

于 2022-11-05 14:49:09 首次发布

本文链接：https://blog.csdn.net/m0_72318954/article/details/127414684

版权

2.回归估计与比率估计、简单估计精度的比较

一、概述

1.问题的提出

调查通常是多指标的：

有时我们希望估计不同变量的参数之比（比率）
有时我们可以利用与目标变量高度相关的其他变量来构造目标度量的更好估计，提高目标变量参数估计的精度。被利用的指标称为辅助变量，构造估计量的方法有比率估计和回归估计

2.比率估计与回归估计的作用和使用条件

利用辅助变量提供的信息改进简单估计
比率估计使用的条件：辅助变量与目标变量正相关
回归估计的条件：辅助变量与目标变量线性相关

3.辅助变量的特点

辅助变量须与目标变量高度相关
辅助变量与目标变量之间的相关关系稳定
辅助变量质量好，调查成本低
限制条件：辅助变量的总体总值或总体均值要已知

4.相关符号

设二维总体 $\pi _{N}=\left \{ (X_{1},Y_{1}),\cdots, (X_{N},Y_{N}) \right \}$ ，样本为 $(x,y)=\left \{ (x_{1},y_{1}),\cdots, (x_{n},y_{n})\right \}$ 。

设调查指标为，辅助变量为，所用的符号。

总体总量
总体均值	$\bar{Y},\bar{X}$	样本均值	$\bar{y},\bar{x}$
总体方差	$S_{Y}^2,S_{X}^2$	样本方差	$s_{y}^2,s_{x}^2$
总体协方差	$S_{XY}=\frac{1}{N-1}\sum_{i=1}^{N}(Y_{i}-\bar{Y})(X_{i}-\bar{X})$	样本协方差	$s_{xy}=\frac{1}{n}\sum_{i=1}^{n}(y_{i}-\bar{y})(x_{i}-\bar{x})$
总体相关系数	$\rho =\frac{S_{XY}}{S_{X}S_{Y}}$	样本相关系数	$\hat{\rho }=\frac{s_{xy}}{s_{x}s_{y}}$

二、比率估计量

1.问题的提出

在许多实际问题中常常涉及两个调查变量（指标）和。常常要估计总体比率。

总体比率在形式上总是表现为两个变量总值或均值之比。例如：估计家庭中用于食品的支出在总支出中比重；在校儿童对全体学龄儿童的比重等等。

比率 ratio 与比例 proportion 的区别：比例中总体的规模已知，仅需调查一个指标；比率中需要调查样本的两个指标。

【问题1】比率的估计

例如估计家庭中用于食品的支出在总支出中所占的比重，涉及总体中两个不同指标的总值或均值，比率中的分子和分母都需要从样本中估计。（与比例估计不同，比例估计时，已知）

【问题2】总体均值的比率估计量的构造方法

利用目标变量与辅助变量之间的比例关系，构造比率估计量，提高对目标变量参数估计的精度
例如调查家庭用于食品支出的平均费用，可用家庭总收入作为辅助变量，先计算样本中家庭用于食品支出对总收入的比值（认为该比值在所有家庭中较稳定），然后根据总体家庭平均总收入，可获得所有家庭平均用于食品支出费用的估计

2.定义

对于简单随机抽样，若 $\bar{y},\bar{x}$ 是样本两个指标的均值，则总统的这两个指标总值或均值之比值（比率） ${\color{Red} R=\frac{Y}{X}=\frac{\bar{Y}}{\bar{X}}}{\color{Red} (1)}$ 。比率估计量 ${\color{Red} \hat{R}=\frac{y}{x}=\frac{\bar{y}}{\bar{x}}}$ 。