[论文解读] Exploring recursion for optimal estimators under cascade rotation

Jan Kowalski, Jacek Wesołowski|arXiv (Cornell University)|Dec 2, 2014

Statistical and numerical algorithms参考文献 14被引用 3

一句话总结

本文提出了在包含间隙（即被抽样单位在缺席后重新回归）的重复调查旋转设计中，对总体均值最优线性估计器的解析递归公式，解决了调查抽样领域长期存在的难题。通过代数算子方法，作者将问题简化为求解与切比雪夫多项式相关的多项式根以及矩阵秩的分析，表明递归阶数等于旋转模式中最大间隙大小加一。

ABSTRACT

We are concerned with optimal linear estimation of means on subsequent occasions under sample rotation where evolution of samples in time is designed through a cascade pattern. It has been known since the seminal paper of Patterson (1950) that when the units are not allowed to return to the sample after leaving it for certain period (there are no gaps in the rotation pattern), one step recursion for optimal estimator holds. However, in some important real surveys, e.g. Current Population Survey in the US or Labour Force Survey in many countries in Europe, units return to the sample after being absent in the sample for several occasions (there are gaps in rotation patterns). In such situations difficulty of the question of the form of the recurrence for optimal estimator increases drastically. This issue has not been resolved yet. Instead alternative sub-optimal approaches were developed, as K-composite estimation (see e.g. Hansen et al. (1955)), AK-composite estimation (see e.g. Gurney and Daly (1965) or time series approach (see e.g. Binder and Hidiroglou (1988)). In the present paper we overcome this long-standing difficulty, that is, we present analytical recursion formulas for the optimal linear estimator of the mean for schemes with gaps in rotation patterns. It is achieved under some technical conditions: ASSUMPTION I and ASSUMPTION II (numerical experiments suggest that these assumptions might be universally satisfied). To attain the goal we develop an algebraic operator approach which allows to reduce the problem of recursion for the optimal linear estimator to two issues: (1) localization of roots (possibly complex) of a polynomial Q_p defined in terms of the rotation pattern (Q_p happens to be conveniently expressed through Chebyshev polynomials of the first kind), (2) rank of a matrix S defined in terms of the rotation pattern and the roots of the polynomial Q_p.

研究动机与目标

• 解决长期悬而未决的难题：推导出在包含间隙的旋转模式下重复调查中最佳线性无偏估计器（BLUE）的递归公式。
• 将帕特森（1950）仅适用于不返回单位的一步递归，推广至单位在缺席后重新进入样本的情形。
• 建立一个通用的代数框架，将估计递归问题简化为多项式根定位与矩阵秩分析。
• 确立递归阶数由旋转模式中最大间隙的大小决定。
• 在技术假设下，提供递归系数的精确公式，数值证据表明这些假设在现实调查设计中普遍成立。

提出的方法

• 将最优线性估计器表述为过去观测值与先前估计值的递归线性组合，推广帕特森的一步递归方法。
• 引入基于移位算子与反射算子的代数算子框架，以建模观测值与权重的时间演化。
• 定义一个多项式 $ Q_p(x) $，其可表示为第一类切比雪夫多项式的组合，其根决定了递归结构。
• 将寻找递归系数的问题简化为两个核心任务：(1) 定位 $ Q_p $ 的根，(2) 计算由旋转模式与这些根导出的矩阵 $ S $ 的秩。
• 应用矩阵求逆与涉及对角矩阵与相关矩阵的迹恒等式，推导出估计量方差的表达式。
• 利用从算子方程导出的约束，验证所得估计量为无偏且最优。

实验结果

研究问题

• RQ1 能否为包含间隙（即单位在缺席后重新回归）的旋转方案，推导出最佳线性无偏估计器（BLUE）的递归公式？
• RQ2 此类方案中递归阶数由什么决定——具体而言，是否与旋转模式中最大间隙的大小有关？
• RQ3 递归系数能否根据旋转模式与相关结构，以解析形式表达？
• RQ4 在何种条件下，代数算子方法能产生有效且最优的BLUE递归？
• RQ5 能否系统性地将由旋转模式导出的多项式 $ Q_p $ 与切比雪夫多项式关联，以简化根的定位？

主要发现

• 最优线性估计器的递归阶数恰好等于旋转模式中最大间隙大小加一。
• 递归系数可通过基于多项式 $ Q_p $ 根的公式精确计算，该多项式可表示为第一类切比雪夫多项式的形式。
• 在两个技术假设（假设 I 与 II）下，估计量的最优性得到保证，数值实验表明这些假设在现实调查设计中普遍成立。
• 最优估计量的方差被证明等于 $ heta_{0,0} $，该值由 $ Q_p $ 的根与矩阵 $ S $ 的解系统导出，确认了估计量的最小方差。
• 该方法成功将帕特森（1950）的一步递归推广至含间隙的情形，提供了此前不存在的完整解析解。
• 通过真实旋转方案的实例说明，验证了该理论框架在如当前人口调查与劳动力调查等实际调查中的适用性。