[논문 리뷰] Ratio Estimators in Simple Random Sampling when Study Variable is an Attribute

Rajesh Singh, Mukesh Kumar외 1명|arXiv (Cornell University)|2010. 11. 03.

Survey Sampling and Estimation Techniques인용 수 5

한 줄 요약

이 논문은 단순 무작위 표집에서 연구 변수가 정성적(속성)일 때 모집단 평균을 추정하기 위한 비율 추정자 가족을 제안한다. 관련 속성에 대한 보조 정보를 활용하여 저자들은 편향과 평균제곱오차 표현을 유도하며, 실증 연구를 통해 제안된 추정자들이 기존 방법에 비해 효율성과 정확성 측면에서 뛰어남을 입증한다.

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.

연구 동기 및 목표

• 연구 변수가 정량적이라기보다 정성적(속성)일 때 모집단 평균 추정을 위한 개선된 비율 추정자를 개발하기 위해.
• 단순 무작위 표집에서 정밀도를 향상시키기 위해 관련된 속성 변수로부터 보조 정보를 통합하기 위해.
• 제안된 추정자 가족의 편향과 평균제곱오차(MSE)에 대한 분석적 표현을 유도하기 위해.
• 제안된 추정자의 성능을 실증적으로 평가하고 기존 방법과 비교하기 위해.
• 기존 비율 추정자보다 제안된 추정자가 더 낮은 MSE를 달성할 수 있는 조건을 설정하기 위해.

제안 방법

• 단순 무작위 표집에서 보조 속성 변수와 연구 변수의 변환을 활용하여 비율 추정자 가족을 제안한다.
• 테일러 급수 전개를 사용하여 제안된 추정자의 일계근사 편향과 평균제곱오차(MSE)를 유도한다.
• 연구 변수가 이진(속성)임을 이용하여 비율 또는 빈도 기반의 추정자 구조를 정의한다.
• 표준 표본 이론을 적용하여 제안된 추정자의 분산과 MSE를 모집단 매개변수의 함수로 표현한다.
• 실제 또는 시뮬레이션된 데이터를 사용한 실증 연구를 통해 제안된 추정자의 MSE를 기존 비율 추정자와 비교한다.
• 주어진 제약 조건 하에 MSE 표현을 최소화함으로써 가족 내 최적 추정자를 선정한다.

실험 결과

연구 질문

• RQ1 연구 변수가 정량적이라기보다 정성적(속성)일 때 비율 추정자 가족을 효과적으로 구성할 수 있는가?
• RQ2 속성 기반 표집에서 제안된 추정자의 편향과 평균제곱오차(MSE)는 고전적 비율 추정자와 비교해 어떻게 다를까?
• RQ3 제안된 추정자 가족이 기존 추정자보다 더 낮은 MSE를 달성할 수 있는 조건은 무엇인가?
• RQ4 보조 속성 정보의 사용은 단순 무작위 표집에서 추정 효율성을 어떻게 향상시키는가?
• RQ5 실제 또는 시뮬레이션된 데이터 환경에서 제안된 추정자의 실증 성능은 기준 추정자와 비교해 어떻게 나타나는가?

주요 결과

• 연구 변수가 속성일 경우 제안된 비율 추정자 가족은 기존 비율 추정자보다 더 낮은 평균제곱오차(MSE)를 나타낸다.
• 적절한 조건 하에서 제안된 추정자의 편향은 무시할 만큼 작으며, 이는 높은 정밀도를 의미한다.
• 실증 결과는 제안된 추정자가 효율성과 정확성 측면에서 기존 추정자보다 뛰어남을 확인한다.
• 실증 연구에서 제안된 가족 내 최적 추정자가 모든 고려된 추정자 중에서 최소 MSE를 달성한다.
• 편향과 MSE에 대한 이론적 표현은 타당하며, 가장 우수한 추정자를 선택하는 데 신뢰할 수 있는 기초를 제공한다.
• 보조 속성 정보의 사용은 특히 연구 변수와 보조 변수 간 상관계수가 높을 경우 추정 효율성을 크게 향상시킨다.