[論文レビュー] Ratio Estimators in Simple Random Sampling when Study Variable is an Attribute

Rajesh Singh, Mukesh Kumar+1 more|arXiv (Cornell University)|Nov 3, 2010

Survey Sampling and Estimation Techniques被引用数 5

ひとこと要約

本稿では、単純無作為抽出における被験変数が定性的（属性）である場合の母平均推定のための比推定子の族を提案する。関連する属性に関する補助情報を利用することで、バイアスおよび平均二乗誤差の式を導出し、実証的分析を通じて、提案された推定子が従来の手法よりも効率性および正確性の面で優れていることを示している。

ABSTRACT

In this paper we have suggested a family of estimators for the population mean when study variable itself is qualitative in nature. Expressions for the bias and mean square error (MSE) of the suggested family have been obtained. An empirical study has been carried out to show the superiority of the constructed estimator over others.

研究の動機と目的

• 被験変数が定量的ではなく定性的（属性）である場合の母平均推定のための改良された比推定子を開発すること。
• 単純無作為抽出における推定精度を向上させるために、関連する属性変数からの補助情報を統合すること。
• 提案された推定子族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。
• 提案された推定子の性能を実証的に評価し、既存の手法と比較すること。
• 従来の比推定子よりも提案された推定子がより低いMSEを達成する条件を確立すること。

提案手法

• 単純無作為抽出における補助属性変数および被験変数の変換を用いた比推定子の族を提案する。
• テイラー級数展開を用いて、提案された推定子のバイアスおよび平均二乗誤差（MSE）の一次近似を導出する。
• 被験変数が二値（属性）であるという性質を活用し、割合または頻度に基づいた推定子の構造を定義する。
• 標準的な抽出理論を用いて、提案された推定子の分散およびMSEを母集団パラメータの関数として表現する。
• 実データまたはシミュレートされたデータを用いた実証的分析を通じて、提案された推定子のMSEを既存の比推定子と比較する。
• 与えられた制約下でMSE式を最小化することにより、最適な推定子を族から選択する。

実験結果

リサーチクエスチョン

• RQ1 被験変数が定量的ではなく定性的（属性）である場合に、比推定子の族を効果的に構築できるか？
• RQ2 属性ベースの抽出における提案された推定子のバイアスおよび平均二乗誤差（MSE）は、古典的比推定子と比べてどのように異なるか？
• RQ3 提案された推定子族が既存の推定子よりも低いMSEを達成する条件は何か？
• RQ4 補助属性情報の使用は、単純無作為抽出における推定の効率性をどのように向上させるか？
• RQ5 実データまたはシミュレートされたデータ環境下で、提案された推定子の実証的性能はベンチマーク推定子と比べてどうか？

主な発見

• 被験変数が属性である場合、提案された比推定子族は、従来の比推定子よりも低い平均二乗誤差（MSE）を示す。
• 適切な条件下では、提案された推定子のバイアスは無視できるほど小さいため、高い精度を示す。
• 実証的結果により、提案された推定子が効率性および正確性の面で既存の推定子を上回ることが確認された。
• 実証的分析において、提案された族の最適メンバーが、すべての検討対象推定子の中で最小のMSEを達成した。
• バイアスおよびMSEの理論的表現は妥当であり、最も性能の良い推定子を選択するための信頼できる根拠を提供する。
• 補助属性情報の使用は、母集団と補助変数の間の相関が高くなるほど、推定の効率性を顕著に向上させる。