本章重点名词:抽样调查的类型,抽样调查与普查的关系,目标总体,抽样总体,抽样框,抽样单元,总体特征与估计量,方差,偏倚,均方误差,抽样误差,非抽样误差,精度。
1.1调查与抽样调查
1.1.1调查
略
1.1.2抽样调查
抽样调查: 是一种非全面调查,是指从研究对象全体中抽取一部分单元作为样本,根据对所抽取样本进行调查获得有关总体目标的了解。
1.非概率抽样调查:判断选样,方便抽样,自愿样本,配额抽样。 见书p3页,我觉得并不是重点。
2.概率抽样(定性分析/定量分析):随机抽样,依据随机原则,按照某种事先设计的程序,从总体中抽取部分单元的抽样方法,它具有下面几个特点:
(1)排除主管上有意识的抽取单元,使没个单元都有一定机会被抽中。
(2)每个单元被抽中概率可计算
(3)估计两与样本单元观测值有关,也与入样概率有关,所以用样本估计总体需要考虑抽中概率。入样概率可计算,样本统计量分布因此可知,就具有样本推断总体理论基础
3.非概率抽样(定性分析)
需要掌握: 能够论述什么情况下用概率抽样,什么情况下用非概率抽样
4.等概率抽样与不等概率抽样
1.等概率抽样, 如果大家被抽到概率相同,权重就相同,
2.不等概率抽样权重不一样,数据的处理会复杂一些。有些时候不等概率会更有效率,
1.1.3抽样调查的作用
1.节约费用
2.时效性强
3.可以承担全面调查无法胜任的项目
4.有助于提高数据质量
1.1.4抽样调查与普查
普查优点:对于有关国计民生的重要现象,有时需要了解总体中每个单元的情况,这时就需要普查。如人口普查,全国经济普查,全国农业普查等。
抽样调查:
(1)对普查起到补充作用
(2)对普查进行修正
(3)进行深层次分析
(4)快速获得总体的估计量
(5)普查为抽样调查提供抽样框
1.1.5抽样调查应用领域
略
1.2 基本概念
1.2.1目标总体与抽样总体
目标总体:要研究对象的全体
抽样总体:从中抽取样本的总体
1.2.2抽样框与抽样单元
抽样框(重点):
好的抽样框:一个抽样单元对应一个目标
抽样框缺陷:
- 属于目标总体,但未出现在抽样总体中
- 不属于目标总体,但出现在抽样总体内
- 多重连接,目标总体有1个被抽到的概率为 k n \frac{k}{n} nk
- 一个抽样单元对应三个目标单元
抽样框不同类型:
名录框,区域框,自然框
1.2.3总体参数与统计量
1.总体参数:抽取样本的目的是要得到总体的某些特征(参数)
总体参数四种类型:
(1) 总体均值:总体平均值
Y
m
e
a
n
=
1
N
∑
i
=
1
n
Y
i
Y_{mean}= \frac{1}{N}\sum_{i=1}^n{Y_i}
Ymean=N1i=1∑nYi
(2) 总体总值:总体总量
Y
=
∑
i
=
1
N
Y
i
=
N
Y
m
e
a
n
Y = \sum_{i=1}^NY_i=NY_{mean}
Y=i=1∑NYi=NYmean
(3) 总体比例:如全部产品中合格品所占比例
P
=
∑
i
=
1
N
Y
i
N
P = \frac{\sum_{i=1}^NY_i}{N}
P=N∑i=1NYi
(4) 总体比率:它是两个总体总量或总体均值之比,如固定资产利用率,人均可支配收入变动率等
R
=
Y
X
=
Y
m
e
a
n
X
m
e
a
n
R = \frac{Y}{X}=\frac{Y_{mean}}{X_{mean}}
R=XY=XmeanYmean
2.样本 :把从总体中按一定程序抽出的部分总体基本单元的集合称为样本,样本中包含的基本单元的个数n称为样本量,统计量是根据样本n个单元的变量值计算出的一个量,也叫估计量。
估计量有:
(1)均值估计:用样本均值作为总体均值的估计
Y
‾
^
=
y
‾
=
1
n
∑
i
=
1
n
y
i
\hat{\overline{Y}}=\overline{y}=\frac{1}{n}\sum_{i=1}^ny_i
Y^=y=n1i=1∑nyi
其中
y
i
y_i
yi代表第i个样本单元的观测值
(2)总值估计:用样本均值和总体单元数得到总值估计。
Y
^
=
N
y
‾
=
N
n
∑
i
=
1
n
y
i
\hat{Y}=N\overline{y}=\frac{N}{n}\sum_{i=1}^ny_i
Y^=Ny=nNi=1∑nyi
(3) 比例估计,用样本比例作为总体比例的估计
P
^
=
p
=
1
n
∑
i
=
1
n
y
i
\hat{P} = p=\frac{1}{n}\sum_{i=1}^ny_i
P^=p=n1i=1∑nyi
y
i
y_i
yi为示性变量,只有1,0
(4)比率估计:用样本比率作为总体比率的估计
R
^
=
r
=
∑
i
=
1
n
y
i
∑
i
=
1
n
x
i
=
y
‾
x
‾
\hat{R}=r=\frac{\sum_{i=1}^ny_i}{\sum_{i=1}^nx_i}=\frac{\overline{y}}{\overline{x}}
R^=r=∑i=1nxi∑i=1nyi=xy
1.2.4 估计两方差、偏倚、均方误差
1.估计量方差表达式 :方差反应随机因素
V
(
θ
^
)
=
E
[
θ
^
−
E
(
θ
^
)
]
2
V(\hat{\theta})=E[\hat{\theta}-E(\hat{\theta})]^2
V(θ^)=E[θ^−E(θ^)]2
θ
^
\hat{\theta}
θ^为总体参数
θ
\theta
θ的估计,
E
(
θ
^
)
E(\hat{\theta})
E(θ^)为估计值的数学期望
2.偏倚 :root mean square 与MSE没区别(这里我希望叫他偏差)
误差为0就是无偏估计量
1.2.5 抽样误差与非抽样误差
抽样误差:由于抽样的随机性引起的,样本总量对总体参数推断时候产生的误差,特征是他的误差可计算。
- 可控制
- 可计算
- 在其他条件相同情况下,样本量越大抽样误差越小,
- 如果抽样误差很大:增大样本量减小误差,更改抽样方法。
非抽样误差:除了抽样误差以外由其他原因带来的误差,可分三类
(1)抽样框误差
(2)无回答误差(缺失数据)
(3)计量误差 (调查环境影响:如测视力,跟光有关系,跟距离有关系,环境有关系)
1.3几种基本抽样方法
1.3.1 简单随机抽样(simple random sampling)
简单随机抽样是最简单不加其他条件,是其他抽样方法的基础
简单随机抽样实现方式有两种
1.放回抽样:抽取过程中每次抽取都是独立的,但可能使得单元被重复抽到,在统计学中每次抽取都是一个独立事件,没个样本随机抽取概率相等
2.无放回抽样:(条件概率)
无论是又放回抽样还是无放回抽样被抽取到的概率都是相等的,
如200个同学无放回抽样,第二次抽取的概率为
199
200
∗
1
199
\frac{199}{200}*\frac{1}{199}
200199∗1991
3.实施方法
-抽签
-随机数表
-计算机抽取
当样本趋于无穷,小s方差 是大S方差无偏估计
随机抽样能够抽取样本组合可能性 N n N^n Nn(有放回)
公式 :详看书上公式和例题
1.3.3整群抽样(cluster sampling)
将总体中若干个基本单元合并为组,这样的组称为群,抽样时直接抽取群,然后对选择的群所有基本单位进行调查。
1.3.4多阶段抽样
采用类似整群抽样的方法,首先抽取群,但并不是调查群内的所有基本单元,而是在进行一步抽样,从选中的群中抽取若干个基本单元进行调查。
1.3.5系统抽样(systematic sampling)
将总体中所有单元按一定顺序排列,在规定范围内抽取一个单元作为初始单元,然后按照事先定好的规则抽取其他单元
如r+k,r+2k,…r+nk
4.计算样本量时候需要总体方差,当总体方差不知道时候需要怎么办,需要估计总体方差,(在实际计算中用样本方差计算,是理论估计)这也解释了下面的公式我们无法得到S时候怎么办。
允许抽样误差代表置信区间范围,区间太大就没有意义,区间范围由设计人员确定。
t:概率度计算代表正太分布中正负1.96倍标准差,使误差
α
\alpha
α=0.05,也就是正确概率为0.95
推断分三个阶段:1.计算点估计值,2.计算估计点误差,3.计算置信区间
1.点估计
y
‾
=
1
n
∑
n
y
i
\overline{y}=\frac{1}{n}\sum^ny_i
y=n1∑nyi
2.计算估计点误差
v
(
y
‾
)
=
(
1
−
f
)
s
2
n
v(\overline{y})=(1-f)\frac{s^2}{n}
v(y)=(1−f)ns2
3.计算总体参数置信区间
需要会讨论样本量需要条件:总体情况,误差要求,置信区间要求。
c0为费用并无直接关系,c1为单位,需要去考虑允许误差,方差,与费用的关系
根据方差和允许误差
Δ
\Delta
Δ 求样本量:
国外研究:数据控制在什么范围数据最有力,最省钱,质量最高===相对控制在0.05, 0.05-0.1是常规范围
例如飞船的零件和超市卖的香肠的直径误差,精度有不同判别标准,飞船肯定需要误差越小越好,而火腿肠则不需要误差很小。
抽样最适合的领域是大范围的,规模越大抽样调查越高。
论述题:简单随机抽样有关问题,什么是简单随机抽样,他的特征,样本量分配,影响样本量的因素, 计算题:计算均值,计算比率,计算样本量等
1.3.2 分层抽样(stratified sampling)
分层原则:层内方差尽可能小,层间方差尽可能大。(展开描述)
将抽样单元按某种特征或某种规则划分为不同的层,然后从不通的层中独立、随机的抽取样本,然后在合并起来。如一大锅汤,尝一勺就知道咸淡,因为总体样本量方差很小,每个位置的分布都是一样的。所以我们要分的层
k可以看出在计算样本点估计的时候只是增加了
W
i
W_i
Wi(权重),而
W
i
W_i
Wi为i层样本总量与总体量的比值
n
N
\frac{n}{N}
Nn
同样在估计点方差计算上也是在求每层方差*
W
i
W_i
Wi后求和
如何分配每层抽取样本数,最优方法是内曼分配,当不满足内曼分配时应该选择按比例分配。