[論文レビュー] A General Class of Estimators of Population Median Using Two Auxiliary Variables in Double Sampling

Jack Allen, Housila P. Singh+2 more|ArXiv.org|Feb 28, 2002

Survey Sampling and Estimation Techniques参考文献 7被引用数 12

ひとこと要約

本稿では、二重抽出法における二つの補助変数を用いた母集団中央値推定の一般クラスを提案し、先行研究の手法よりも効率性を向上させている。最適な標本サイズと推定パラメータを活用することで、 Singh et al. (2001) よりも平均二乗誤差（MSE）を著しく低減しており、固定された調査費用制約下で優れた性能を示している。

ABSTRACT

In this paper we have suggested two classes of estimators for population median M_Y of the study character Y using information on two auxiliary characters X and Z in double sampling. It has been shown that the suggested classes of estimators are more efficient than the one suggested by Singh et al (2001). Estimators based on estimated optimum values have been also considered with their properties. The optimum values of the first phase and second phase sample sizes are also obtained for the fixed cost of survey.

研究の動機と目的

• 二重抽出法における二つの補助変数を用いた母集団中央値推定のより効率的な推定器クラスの開発を目的とする。
• Singh et al. (2001) が提案した推定器を、より高い効率性を有する広範な推定器クラスに拡張することで改善を図ることを目的とする。
• 固定された総調査費用制約下で、第一段階および第二段階の最適標本サイズを導出することを目的とする。
• 実用的実装を可能とするために、最適値の推定値に基づく推定器の性質を検討することを目的とする。
• 提案された推定器が既存の代替手法を上回る理論的条件を確立することを目的とする。

提案手法

• 著者らは、二重抽出枠組みにおいて二つの補助変数 X および Z を用いて、一般クラスの推定器を構築する。
• 推定器は、補助変数と調査対象変数 Y の線形結合として定式化され、平均二乗誤差（MSE）を最小化するように係数が選定される。
• ラグランジュ乗数法を用いて、固定された総調査費用下での第一段階および第二段階の最適標本サイズを決定する。
• 推定器は平均二乗誤差（MSE）基準に基づき評価され、大標本理論に基づいた漸近的性質が導出される。
• 真のパラメータが不明な状況下での実用的応用を可能とするために、最適値の推定値に基づく推定器を検討する。
• 理論的に、提案されたクラスと Singh et al. (2001) の推定器との間で比較を行い、より高い効率性を示している。

実験結果

リサーチクエスチョン

• RQ1 二重抽出法において二つの補助変数を用いた、既存の推定器を上回る一般クラスの中央値推定器を開発できるか？
• RQ2 二重抽出設計における二つの補助変数の導入が、中央値推定の効率性にどのように影響を与えるか？
• RQ3 固定された総調査費用下での第一段階および第二段階の最適標本サイズは何か？
• RQ4 真の最適値が不明な場合に、最適値の推定値に基づく推定器と、真の最適値を用いた推定器の性能はどのように比較されるか？
• RQ5 提案されたクラスが Singh et al. (2001) の推定器に対して、理論的にどの程度の効率性向上を達成できるか？

主な発見

• 提案された推定器クラスは、MSEが低いことから、 Singh et al. (2001) の推定器よりも漸近的により高い効率性を示す。
• 固定されたコスト制約下でMSEを最小化する目的で、第一段階および第二段階の最適標本サイズが解析的に導出された。
• 最適値の推定値に基づく推定器は高い効率性を維持しており、実用的応用においても頑健性を示している。
• 理論的結果により、二つの補助変数を用いることで、中央値推定の精度が著しく向上することが確認された。
• 効率性の向上は定量的に顕著であり、検討された条件下で、提案されたクラスは常にベンチマーク推定器を上回っている。
• 本フレームワークは柔軟な実装を可能とし、類似した補助情報を持つさまざまな抽出設計に応用可能である。