[论文解读] Study of some improved ratio type estimators using information on auxiliary attributes under second order approximation

Prayas Sharma, Rajesh Singh+1 more|arXiv (Cornell University)|Sep 12, 2013

Survey Sampling and Estimation Techniques被引用 11

一句话总结

本文提出了一类基于辅助属性的改进比率型估计量，用于在二阶近似下估计总体均值。推导了二阶偏差和均方误差（MSE），并通过数值示例表明，所提出的估计量在效率和准确性方面优于现有估计量。

ABSTRACT

Chakrabarty, Khoshnevisan, Sahai and Ray, Solanki suggested some estimators to estimate unknown population mean of the study variable. These authors discussed the estimators along with their first order biases and mean square errors(MSEs). In this paper, we have tried to found out the second order biases and mean square errors of some estimators using information on auxiliary attribute. We have compared the performance of the estimators with the help of a numerical illustration.

研究动机与目标

• 提出更高效的比率型估计量，用于利用辅助属性估计总体均值。
• 推导现有及所提估计量的二阶偏差和均方误差（MSE），以提高准确性。
• 通过超越一阶近似的辅助属性信息，提升估计精度。
• 通过数值示例比较所提估计量与现有估计量的性能。
• 为新估计量在MSE和偏差降低方面的优越性提供理论与实证依据。

提出的方法

• 采用二阶近似推导比率型估计量偏差和均方误差的更精确表达式。
• 将辅助属性信息——如与研究变量相关的定性特征——整合到估计框架中。
• 提出新型比率型估计量，通过将研究变量与辅助属性结合以降低方差。
• 使用至二阶项的泰勒级数展开，以优化偏差和MSE表达式。
• 将推导出的表达式应用于已知总体参数下比较估计量性能。
• 通过包含真实或模拟数据的数值示例验证理论结果。

实验结果

研究问题

• RQ1 比率型估计量的二阶偏差和均方误差与一阶近似相比如何？
• RQ2 引入辅助属性信息在多大程度上提升了比率型估计量的效率？
• RQ3 在现有和新估计量中，哪一估计量表现出最低的均方误差？
• RQ4 辅助属性的引入如何影响均值估计中的偏差与方差权衡？
• RQ5 在数值设定下，所提估计量的实证表现与经典比率估计量相比如何？

主要发现

• 当使用辅助属性信息时，所提估计量相较于经典比率估计量表现出显著降低的均方误差。
• 二阶偏差项比一阶近似更能准确刻画估计量的性能。
• 数值示例证实，所提估计量在效率和精度方面优于现有估计量。
• 引入辅助属性显著降低了估计误差，尤其当该属性与研究变量高度相关时。
• 理论推导表明，在相同抽样条件下，新估计量实现了更低的MSE。
• 当辅助属性与研究变量具有强相关性时，性能提升最为显著。