[論文レビュー] A General Family of Estimators for Estimating Population Mean Using Known Value of Some Population Parameter(s)

M. Khoshnevisan, Rajesh Singh+3 more|ArXiv.org|Jan 9, 2007

Survey Sampling and Estimation Techniques参考文献 6被引用数 79

ひとこと要約

本稿は、簡単無作為抽出（SRSWOR）下で、補助母集団パラメータの既知の値を用いた母平均推定量の一般族を提案する。推定量は補助情報の統合により精度を向上させ、バイアスおよび平均仮数誤差（MSE）を1次近似まで導出する。実証的結果は、特定のシナリオにおいて従来の推定量よりも優れた性能を示している。

ABSTRACT

A general family of estimators for estimating the population mean of the variable under study, which make use of known value of certain population parameter(s), is proposed. Under Simple Random Sampling Without Replacement (SRSWOR) scheme, the expressions of bias and mean-squared error (MSE) up to first order of approximation are derived. Some well known estimators have been shown as particular member of this family. An empirical study is carried out to illustrate the performance of the constructed estimator over others.

研究の動機と目的

• 補助母集団パラメータの既知の値を用いた母平均推定の統一的フレームワークを構築すること。
• SRSWOR抽出方式下での提案推定量のバイアスおよび平均仮数誤差（MSE）を導出すること。
• 代表的な推定量（例：比推定量、積推定量、回帰推定量）が提案された一般族の特殊ケースであることを示すこと。
• 数値的検証を通じて提案推定量の性能を実証的に評価すること。
• 提案推定量が従来の推定量よりもMSEの観点で優れるようになる理論的条件を確立すること。

提案手法

• 平均や変動係数などの補助母集団パラメータの既知の値を組み込む一般族の推定量を定式化する。
• SRSWOR下で、提案推定量のバイアスおよび平均仮数誤差（MSE）の式を1次近似まで導出する。
• 単なる無作為抽出を超えて、補助情報を活用することで母平均推定量の効率性を向上させる。
• 特定の関数形を選択することで、比推定量や積推定量といった古典的推定量が提案一般族の特殊ケースであることを示す。
• 実データまたはシミュレートされたデータを用いた数値的検証を通じて、提案推定量のMSEを既存推定量と比較する。
• 理論的結果を実証的例示により検証し、特定の条件下でより高い効率性を示すことを明らかにする。

実験結果

リサーチクエスチョン

• RQ1 補助情報を利用することで母平均の推定を向上させる一般族の推定量をどのように構築できるか？
• RQ2 SRSWOR下での提案推定量のバイアスおよび平均仮数誤差（MSE）の性質は何か？
• RQ3 どの代表的な推定量が提案された一般族に包含されるか？
• RQ4 提案推定量が従来の推定量よりも低いMSEを達成する条件は何か？
• RQ5 有限標本設定下で、提案推定量の性能は従来の推定量と比べてどのように異なるか？

主な発見

• 提案された一般族の推定量は、比推定量や積推定量といった古典的推定量を特殊ケースとして含む。
• 提案推定量のバイアスおよび平均仮数誤差（MSE）は、SRSWOR下で1次近似まで導出されている。
• 実証的検証では、検討されたシナリオにおいて提案推定量が既存推定量よりも低いMSEを達成していることが示された。
• 既知の補助パラメータの使用は、母平均推定量の効率性を顕著に向上させる。
• 理論的および実証的結果から、補助情報が利用可能な場合、提案推定量が従来の推定量よりも効率的であることが確認された。
• 提案された一般族は、推定精度を向上させるために、さまざまな種類の補助情報を柔軟に統合できるフレームワークを提供する。