[논문 리뷰] Improved Family of Estimators of Population Mean in Simple Random Sampling

Rajesh Singh, Mukesh Kumar외 1명|arXiv (Cornell University)|2013. 08. 27.

Survey Sampling and Estimation Techniques참고 문헌 11인용 수 3

한 줄 요약

이 논문은 보조 정보를 활용한 단순 무작위 표본 추출에서 모집단 평균을 추정하기 위한 새로운 추정자 가족을 제안하며, 수정된 비율 유형 추정자를 통해 효율성을 향상시킨다. 대표적 표본 근사 하에서 제안된 추정자들은 기존 방법보다 더 낮은 평균제곱오차(MSE)를 달성하며, 이론적 및 실증적 결과가 모두 우수한 성능을 확인한다.

ABSTRACT

In this paper, a procedure is given for estimating the population mean in simple random sampling without replacement in the presence of auxiliary information. The mean squared error expressions of the proposed estimators have been derived under large sample approximation. We have compared the performances of the proposed estimators with several existing estimators. Both theoretical and empirical findings are encouraging and support the soundness of the proposed procedure for mean estimation.

연구 동기 및 목표

• 보조 정보가 가용할 경우 모집단 평균을 위한 더 효율적인 추정자 가족을 개발하기 위해.
• 무작위 표본 추출(비복원)에서 기존 추정자의 평균제곱오차(MSE)를 감소시키기 위해.
• 새로운 변환 방법을 통해 보조 변수를 통합함으로써 추정 정확도를 향상시키기 위해.
• 대표적 표본 근사 방법을 사용하여 향상된 효율성에 대한 이론적 근거를 제공하기 위해.
• 기존 방법과 비교하여 제안된 추정자들의 MSE 감소 측면에서 실증적 검증을 수행하기 위해.

제안 방법

• 저자는 보조 정보를 통합하여 추정 효율성을 향상시키기 위해 비율 유형 추정자 가족을 제안한다.
• 제안된 추정자들은 보조 변수의 변환을 통해 분산을 감소시키는 방식으로 유도된다.
• 대표적 표본 근사를 적용하여 제안된 추정자들의 평균제곱오차(MSE) 표현식을 도출한다.
• MSE를 최소화함으로써 기존의 비율 및 곱셈 추정자보다 더 효율적인 추정자 설계가 이루어진다.
• 이론적 MSE 표현식을 기존 추정자들과 분석적으로 비교한다.
• 수치 데이터를 사용하여 제안된 가족의 성능을 기준 추정자들과 비교하는 실증 검증을 수행한다.

실험 결과

연구 질문

• RQ1 모집단 평균 추정의 평균제곱오차를 크게 감소시키는 새로운 추정자 가족을 구성할 수 있는가?
• RQ2 제안된 추정자 가족은 기존의 비율 유형 추정자들보다 효율성이 높은가?
• RQ3 변환을 통한 보조 정보의 활용이 추정 정확도 향상에 기여하는가?
• RQ4 제안된 추정자가 고전적 추정자들보다 MSE 측면에서 언제 더 우수한가?
• RQ5 실제 또는 시뮬레이션 데이터를 사용한 실증적 증거로 이론적 MSE 향상이 확인되는가?

주요 결과

• 대표적 표본 근사 하에서 제안된 추정자 가족은 몇 가지 기존 추정자들보다 더 낮은 평균제곱오차를 보였다.
• 이론적 분석을 통해 제안된 추정자들이 기존의 비율 및 곱셈 추정자들보다 더 효율적임을 확인하였다.
• 수치 예시를 통한 실증 결과는 이론적 발견을 지지하며, 일관된 MSE 감소를 보였다.
• 효율성 향상의 원인은 제안된 변환을 통한 보조 정보의 최적 활용에 기인한다.
• 제안된 추정자들은 다양한 데이터 구성에서 뛰어난 안정성과 효과성을 보였다.
• WASJ 13(10), 2131–2136에 게재된 저널 논문은 방법의 효과성에 대한 동료 심사 검증을 확인한다.