[논문 리뷰] A note on the consistency of the Narain-Horvitz-Thompson estimator

Guillaume Chauvet|arXiv (Cornell University)|2014. 12. 09.

Statistical Methods and Inference참고 문헌 16인용 수 4

한 줄 요약

이 논문은 불균형 확률 샘플링 설계 하에서 Narain-Horvitz-Thompson 추정량의 평균제곱일致성에 대한 보다 다루기 쉬운 대체 조건을 제안한다. 이는 Cardot 등(2010)의 조건보다 더 쉽게 검증할 수 있으며, 특히 빠른 큐브 방법에 대해 마틴갈 샘플링 알고리즘을 활용하여 일조집합 크기와 기대 알고리즘 단계 수의 유계성 조건을 활용해 평균제곱오차가 $O(n^{-1})$ 순서에 도달함을 보장한다. 이러한 결과는 보조 변수를 포함한 균형 잡힌 샘플링에 특히 관련성이 있다.

ABSTRACT

For the Narain-Horvitz-Thompson estimator to have usual asymptotic properties such as consistency, some conditions on the sampling design and on the variable of interest are needed. Cardot et al. (2010) give some sufficient conditions for the mean square consistency, but one of them is usually difficult to prove or does not hold for some unequal probability sampling designs. We propose alternative conditions for the mean square consistency of the Narain-Horvitz-Thompson estimator. A specific result is also proved in case when a martingale sampling algorithm is used, which implies consistency under a fast algorithm for the cube method.

연구 동기 및 목표

• 불균형 확률 샘플링 설계에서 평균제곱일致성에 필요한 이차 포함 확률 조건을 검증하는 데 어려움을 해결하기 위해.
• Narain-Horvitz-Thompson 추정량의 평균제곱일致성에 대한 보다 쉽게 검증 가능한 대체 조건을 제공하기 위해.
• 특히 빠른 큐브 방법 구현에 대해 마틴갈 샘플링 알고리즘 프레임워크 하에서 일致성 확립하기 위해.
• 현실적인 샘플링 프레임워크 하에서 추정량이 $O(n^{-1})$ 평균제곱오차를 달성하도록 보장하기 위해.

제안 방법

• 이차 포함 확률 경계의 검증에 의존하지 않는 평균제곱일致성에 대한 새로운 충분조건 세트를 제안한다.
• 샘플링 과정이 단계별로 진전되며, 무작위 변동을 통해 포함 확률을 갱신하는 마틴갈 샘플링 알고리즘 프레임워크를 사용한다.
• 단계 $i$에서 영향을 받는 단위들의 집합을 $U_i$로 정의하며, $\mathcal{C} = \max_i \textrm{Card}(U_i)$는 단계당 최대 단위 수로 정의된다.
• 추정 오차의 분산을 $\left(\frac{\max |y_k|}{\min \pi_k}\right)^2 \times \mathcal{C}^2 \times E[T]$로 유 bounds하여 오차를 알고리즘 복잡도와 연결한다.
• 이 유 bounds를 빠른 큐브 방법(알고리즘 1)에 적용하여 $\mathcal{C} \leq q+1$ 및 $E[T] = O(N)$임을 이용하고, $q = O(1)$일 때 일致성이 보장됨을 보였다.
• 이 조건 하에서 추정량이 $V\{N^{-1}(\hat{t}_y - t_y)\} = O(n^{-1})$를 만족함을 입증하였다.

실험 결과

연구 질문

• RQ1 Cardot 등(2010)의 조건보다 더 약한 조건 하에서도 Narain-Horvitz-Thompson 추정량의 평균제곱일致성은 확립될 수 있는가?
• RQ2 마틴갈 샘플링 알고리즘 프레임워크는 더 빠른 계산을 가능하게 하는 큐브 방법에 대해 일致성을 보장하는가?
• RQ3 영향을 받는 단위 집합 $U_i$의 크기는 추정량의 평균제곱오차를 통제하는 데 어떤 역할을 하는가?
• RQ4 $q = O(1)$일 때 일致성 결과는 빠른 큐브 방법으로 확장될 수 있는가?
• RQ5 어떤 조건 하에서 추정량이 $O(n^{-1})$ 평균제곱오차를 달성하는가?

주요 결과

• 제안된 평균제곱일致성 조건는 Cardot 등(2010)의 Sen-Yates-Grundy 유형 조건보다 검증이 더 쉬우며, 특히 불균형 확률 설계에서 유의미하다.
• 마틴갈 샘플링 알고리즘 하에서 $\min \pi_k \geq \lambda_1 > 0$, $\max |y_k| < \infty$, $\mathcal{C} = O(1)$, $E[T] = O(N)$ 조건이 만족되면 일致성이 성립하며, 이로 인해 $V\{N^{-1}(\hat{t}_y - t_y)\} = O(n^{-1})$가 보장된다.
• 빠른 큐브 방법(알고리즘 1)의 경우 $\mathcal{C} \leq q+1$ 및 $E[T] = O(N)$이므로, $q = O(1)$일 때 일치성이 성립하여 실용적 설문 조사 설계에 적용 가능하다.
• 기존의 표준 이차 포함 확률 조건이 실패하더라도, 새로운 조건이 만족되면 추정량은 여전히 평균제곱에서 일치성을 유지한다.
• 분산 유 bounds $V(\hat{t}_y - t_y) \leq \left(\frac{\max |y_k|}{\min \pi_k}\right)^2 \mathcal{C}^2 E[T]$는 순차적 샘플링 하에서 오차 분석을 위한 일반적 프레임워크를 제공한다.
• 결과는 보조 변수를 포함한 균형 잡힌 샘플링에 빠른 큐브 방법을 사용하는 것이 타당함을 입증하며, 최소한의 계산 오버헤드로 새로운 일치성 조건을 충족한다.