[論文レビュー] A general class of regression type estimators in systematic sampling under non-response

Hemant Verma, R. D. Singh+1 more|arXiv (Cornell University)|Jun 26, 2013

Survey Sampling and Estimation Techniques参考文献 8被引用数 3

ひとこと要約

本稿では、非応答下における系統抽出において、推定精度を向上させるために補助情報を利用する一般化された回帰型推定量のクラスを提案する。1次近似まででバイアスおよび平均二乗誤差（MSE）の式を導出し、数値的検証を通じて、非応答状況下で従来の手法よりもMSEを低減する本稿で提案された推定量の優位性を示している。

ABSTRACT

In this paper we have proposed a general class of modified regression type estimator in systematic sampling under non-response to estimate the population mean using auxiliary information. The expressions of bias and mean square error (MSE) up to the first order approximations are derived. A numerical study is included to support the theoretical results.

研究の動機と目的

• 系統抽出における非応答が推定効率を低下させるとともにバイアスを生じるという課題に対処すること。
• 非応答の影響を軽減するために補助情報を組み込む回帰型推定量の統一的フレームワークを構築すること。
• 1次近似のもとで、提案された推定量のバイアスおよび平均二乗誤差（MSE）の解析的表現を導出すること。
• さまざまなシナリオにおけるMSEを比較する数値的例示を通じて、提案された推定量の性能を評価すること。
• 非応答下でのさまざまな抽出設計に適用可能な柔軟で一般化可能な推定量のクラスを提供すること。

提案手法

• 提案手法は、調査変数と相関する補助変数を組み込むことで非応答に対応する一般化された回帰型推定量のクラスを導入する。
• 重みを補助データに基づいて修正するキャリブレーションアプローチを用い、バイアスおよびMSEの低減を図る。
• バイアスおよび平均二乗誤差（MSE）は、1次テイラー級数近似を用いて導出される。
• 推定量のクラスは柔軟性を備えており、回帰モデルおよび補助情報の選択に応じてさまざまなパラメトリックな形をとることができる。
• 実際またはシミュレートされた母集団を用いた数値的検証を通じて、提案された推定量と既存手法との間でMSEの観点から性能を比較する。
• 補助情報が応答者および非応答者両方の単位で利用可能であると仮定し、補完またはキャリブレーション技術によるより良い推定を可能にする。

実験結果

リサーチクエスチョン

• RQ1 非応答が存在する場合の系統抽出において、回帰型推定量はどのように適合可能となるか？
• RQ2 補助情報は、非応答下でバイアスおよびMSEを低減する上でどのような影響を及ぼすか？
• RQ3 非応答下で、提案された一般化された推定量のクラスのバイアスおよびMSEは、既存の推定量と比較してどのように異なるか？
• RQ4 提案された推定量のクラスは、非応答率や補助変数との相関の程度が異なる状況でも効率を維持できるか？
• RQ5 1次近似のもとで、提案された推定量の理論的性質（バイアスおよびMSE）は何か？

主な発見

• 提案された一般化された回帰型推定量のクラスは、非応答状況下で従来の推定量と比較して、平均二乗誤差（MSE）が低くなることが示された。
• 補助情報が調査変数と強く相関している場合、提案された推定量のバイアスは顕著に低減される。
• バイアスおよびMSEの解析的表現は1次近似まで導出されており、性能評価の理論的基盤を提供する。
• 数値的検証により、非応答率が高い状況でも、提案された推定量が既存手法を上回るMSE低減効果を示していることが確認された。
• 推定量のクラスの柔軟性により、さまざまな抽出シナリオおよび補助変数の設定に適応可能である。
• 結果から、補助データを組み込むことで、系統抽出における非応答の悪影響を効果的に緩和できることを示している。