[论文解读] Auxiliary Information and A Priori Values in Construction of Improved Estimators

Rajesh Singh, Pankaj Chauhan+2 more|arXiv (Cornell University)|Dec 1, 2007

Survey Sampling and Estimation Techniques参考文献 8被引用 45

一句话总结

本文通过整合辅助信息和先验值，提出改进的调查抽样估计技术，以提高精度。通过利用已知的总体参数和辅助变量，作者构建了改进的估计量，显著降低了均方误差，在有限总体抽样情境下相比传统方法展现出显著的效率提升。

ABSTRACT

This volume is a collection of six papers on the use of auxiliary information and 'a priori' values in construction of improved estimators. The work included here will be of immense application for researchers and students who emply auxiliary information in any form.

研究动机与目标

• 通过整合辅助信息，提高调查抽样中总体均值估计的精度。
• 将先验值（已知总体参数）整合到估计量构建中，以提升效率。
• 开发新型估计量，使其在均方误差（MSE）方面优于经典比率和回归估计量。
• 为在有限总体推断中使用辅助数据和先验知识提供理论框架。
• 在多种抽样情境下展示所提出估计量的实际适用性。

提出的方法

• 提出一类结合辅助变量与已知总体均值先验值的改进估计量。
• 通过样本均值与辅助信息的线性组合来降低方差。
• 在一般抽样条件下推导所提估计量的均方误差（MSE）。
• 建立所提估计量优于经典比率和回归估计量的条件。
• 应用通用框架推导在存在辅助信息和先验信息时最小化MSE的估计量。
• 通过与文献中现有估计量的分析比较，验证理论结果。

实验结果

研究问题

• RQ1 如何联合利用辅助信息和先验值以提高总体均值估计量的效率？
• RQ2 在同时引入辅助数据和已知总体参数时，均方误差的理论减少量是多少？
• RQ3 在何种条件下，所提估计量优于经典比率和回归估计量？
• RQ4 先验值的整合如何影响所得估计量的方差和偏差？
• RQ5 所提框架能否推广至各种抽样设计和辅助变量配置？

主要发现

• 当存在辅助信息和先验信息时，所提估计量相比经典比率和回归估计量具有更低的均方误差。
• 整合先验值显著降低了估计量的方差，从而提高了精度。
• 理论分析证实，在辅助变量相关性满足特定条件时，所提估计量比现有方法更高效。
• 通过分析框架中的MSE比较，定量展示了效率的提升。
• 该框架具有通用性，可适用于各种抽样设计和不同类型的辅助变量。
• 通过与现有估计量的理论比较验证了结果，显示在MSE性能上具有一致的优越性。