基于域水平上的直接估计在小域估计中效率的探讨

摘要

小域估计问题是当今抽样调查领域中的一个重要的热点问题，由于小域样本量很小甚至为零，用传统的直接估计无法得到精确的小域估计，故借助于其他相邻与相似的小域的样本信息和历史信息的间接估计来提高估计的精度，是十分必要的。本文在介绍小域模型及其估计方法的基础上，讨论小域分层模型条件下借助信息量与小域估计精度的关系；模拟计算结果表明，当借用信息量达到真实信息量的一半时，就可获得比较好的小域估计。

目录

声明

第一章 引言

§1.1 小域估计的研究背景与概念

§1.2 本文内容结构

第二章 小域模型及其估计理论

§2.1 小域层次模型

§2.2 基于小域层次模型的小域目标变量的估计量

§2.2.1 正态分布条件下基于分层模型的小域目标量的估计

§2.2.2 关于σ2ν的几种估计

§2.2.3 σ2ν的几种估计效率比较

§2.3 基于小域层次模型的目标量的均方误差

§2.3.1 σ2ν已知时，MSE((θ)H1)的计算

§2.3.2 σ2ν未知时，MSE((θ)*H1)的计算

§2.4 基于小域层次模型的目标量的置信区间估计

第三章 域水平上直接估计在小域估计效率探讨

§3.1 借用信息量对小域估计的影响分析

§3.2 模拟算例

第四章 进一步有待研究的问题

参考文献

致谢