MSC 62D05中最近的zbMATH文章 https://zbmath.org/atom/cc/62D05 2024-03-13T18:33:02.981707Z Werkzeug公司 使用对数型估计器对相关测量误差的影响评估 https://zbmath.org/1528.62003 2024-03-13T18:33:02.981707Z “Bhushan,Shashi” https://zbmath.org/authors/?q=ai:bhushan.shashi-布珊 “阿诺普·库马尔” https://zbmath.org/authors/?q=ai:kumar.anoop-库马尔 “Shukla,Shivam” https://zbmath.org/authors/?q=ai:shukla.shivam 摘要:在调查抽样中,各著名作者提供了几种估算程序来计算测量误差(ME)的影响,但相关测量误差(CME)的影响仅由\textit{Shalabh}和\textit}J.-R.Tsai}计算[公共统计,模拟计算46,第7号,5566-5593(2017;Zbl 1384.62033)]。本研究提供了一种通过使用简单随机抽样(SRS)的对数型估计来计算CME影响的新方法。研究了所提供估计的性质,并与传统估计的性质进行了比较。对真实和人工生成的种群进行了数值研究和广谱模拟研究,以支持理论结果。 使用两个辅助变量估计缺失数据下人口平均数的新链插补方法 https://zbmath.org/1528.62004 2024-03-13T18:33:02.981707Z “Bhushan,Shashi” https://zbmath.org/authors/?q=ai:bhushan.shashi-布珊 “潘迪,阿比海·普拉塔普” https://zbmath.org/authors/?q=ai:pandey.abhay-普拉塔普 小结:本文讨论了在完全随机缺失(MCAR)方法下使用两个辅助变量的一些新的链插补方法。从MSE的最优性角度对所提出的广义链式插补方法进行了测试。拟议的插补方法可以被视为对\textit{S.Singh}和\textit{S.Horn}[梅特里卡51,第3号,267--276(2000;Zbl 1093.62510)],\textit{S.Singh}和\textit{B.Deo}【统计页44,第4号,555--579(2003;Zbl 1050.62013)】,\textit{S.Singh}[统计43,第5号,499--511(2009;Zbl 1282.62026)],\textit{C.Kadilar}和\textit{H.Cingi}【公共统计,理论方法37,第14号,2226-2236(2008;Zbl 1143.62007)】和\textit{G.Diana}和\textit{P.F.Perri}【公共统计,理论方法39,No.18,3245-3251(2010;Zbl 1202.62008)】。相对于传统的链式插补方法,本文研究了所提出的链式填补方法的性能。得出了理论结果,并进行了比较研究,发现这些结果非常令人鼓舞,为所讨论的工作提供了改进。 是否存在一个“安全区”,即尽管不可忽视的无反应,但无反应率对偏见的影响不大? https://zbmath.org/1528.62005 2024-03-13T18:33:02.981707Z “丹·黑德林” https://zbmath.org/authors/?q=ai:hedlin.dan 摘要:社会调查中不断上升的无应答率使得无应答偏见问题备受争议。关于高响应率的重要性和低响应率的危害,存在着相互矛盾的信息。一些文章(例如[\textit{R.M.Groves}和\textit{e.Peytcheva},“无应答率对无应答偏见的影响:一项荟萃分析”,《公众意见》第72卷第2期,第167--189页(2008年)])表明,应答率通常不能很好地预测调查质量。同样,众所周知,无响应可能会导致偏见并增加数据收集成本。我们回顾了无应答文献的历史,并提出了一个可能的理由,即即使是很小的无应答率也会使调查的质量存在争议。我们还探讨了无应答率和偏差之间的关系,假设无应答是不可忽视的,并侧重于总数或平均数的估计。我们表明,一方面反应率和反应倾向与研究变量之间的相关性包围了一个“安全区”;在这方面,(1)响应率对无响应偏差影响不大,(2)无响应偏差较小。{{\copyright}2020作者。国际统计评论{\版权}2020国际统计研究所} 分层随机抽样总体平均数的修正比率与乘积型指数估计 https://zbmath.org/1528.62006 2024-03-13T18:33:02.981707Z “相反,哈立德·乌尔·伊斯兰” https://zbmath.org/authors/?q=ai:rather.khalid-乌尔伊斯拉姆 “卡洛斯·N·布扎” https://zbmath.org/authors/?q=ai:bouza-herrera.carlos-narciso公司 “Rizvi,S.E.H.” https://zbmath.org/authors/?q=ai:rizvi.s-电子-小时 “Sharma,Manish” https://zbmath.org/authors/?q=ai:sharma.manish-库马尔|sharma.manish-kr “Iqbal Jeelani Bhat,M.” https://zbmath.org/authors/?q=ai:iqbal-吉拉尼·巴特。 摘要:在本文中,我们提出了分层随机抽样中的一种新的双比与乘积型指数估计量。得到了该估计量在一级近似下的偏差和均方误差。在分层随机抽样、组合比率和乘积估计、对偶比率和组合比率估计以及乘积估计中,将该估计与无偏估计进行了比较。我们的结果表明,相对效率有了很大提高。此外,实证研究也支持上述结果。 改进的秩集抽样辅助变量总体均值估计 https://zbmath.org/1528.62007年 2024-03-13T18:33:02.981707Z “辛格,拉杰什” https://zbmath.org/authors/?q=ai:singh.rajesh|辛格·拉杰什·库马尔.1 “阿纳米卡·库马里” https://zbmath.org/authors/?q=ai:kumari.anamika 小结:本文提出了在秩集抽样中使用辅助变量的人口平均数的一些改进估计。我们导出了偏差和均方误差的表达式,并证明了在最佳条件下所提出的估计比本文采用的其他估计更有效。为了验证所提出的估计量的有效性,我们考虑了两个总体的实证研究和模拟研究支持了理论结果。 一类利用辅助信息估计分层抽样总体均值的比率估计 https://zbmath.org/1528.62008 2024-03-13T18:33:02.981707Z “纳米塔·斯利瓦斯塔瓦” https://zbmath.org/authors/?q=ai:srivastava.namita “Bhadauriya,阿努帕玛” https://zbmath.org/authors/?q=ai:bhadauriya.anupama 摘要:本文提出了一类利用辅助信息估计分层抽样总体均值的比率估计量。本工作中的拟议估计器基于Yadav和Baghel估计器[\textit{S.K.Yadav}和\textit}S.Baghel},Rev.Invest.Oper.42,No.2,279--293(2021;Zbl 1483.62038)]。推导了这类估计量的均方误差表达式,并与竞争估计量进行了性能比较。文中还对效率比较进行了数值说明。 小面积估算的平滑和基准测试 https://zbmath.org/1528.62009 2024-03-13T18:33:02.981707Z “斯泰尔斯,丽贝卡·C。” https://zbmath.org/authors/?q=ai:steorts.rebecca-c(c) “蒂莫·施密德” https://zbmath.org/authors/?q=ai:schmid.timo “Tzavidis,Nikos” https://zbmath.org/authors/?q=ai:tzavidis.nikos 小结:小面积估算涉及估算与交叉分类定义的地理区域相关的人口参数的方法,交叉分类也可能包括非地理维度。在本文中,我们开发了小面积问题的约束估计方法:那些要求区域间相似性平滑的方法,例如地理邻近性或通过协变量进行聚类,以及基准约束,要求加权估计方法在不同聚集级别上一致。我们从理论上发展了约束估计决策的方法,并讨论了它们的几何解释。约束估计量是可处理优化问题的解,具有封闭解。通过bootstrapping计算约束估计量的均方误差。我们的方法假设贝叶斯估计存在,并且适用于任何提出的模型。此外,我们在某些分布假设下给出了我们的技术的特殊情况。我们使用柏林租金的网络抓取数据对提议的方法进行了说明,这些数据汇总在各个地区,以确保隐私。{{\copyright}2020作者。国际统计评论{\版权}2020国际统计研究所} 利用非敏感辅助变量和属性的敏感变量总体均值估计量的广义双抽样族 https://zbmath.org/1528.62010年 2024-03-13T18:33:02.981707Z “亚达夫,苏巴哈斯·库马尔” https://zbmath.org/authors/?q=ai:yadav.subhash-库马尔 “巴里,塔鲁什里” https://zbmath.org/authors/?q=ai:bari.tarushree “Vishwakarma,Gajendra K.” https://zbmath.org/authors/?q=ai:vishwakarma.gajendra-库马尔 摘要:我们使用两阶段抽样程序,利用从非敏感辅助变量和属性收集的信息,提出了一种用于敏感研究变量总体平均数的增强型双抽样广义型估计量。还讨论了建议估计族的一些特殊情况。推导了广义估计量的偏差和均方误差的表达式,并与竞争估计量进行了理论比较。理论结果得到了来自真实数据的数字证据的支持。此外,还进行了模拟分析,以比较所提出的静电消除器系列和竞争产品系列的效率。两个数据集都表明,所提出的广义估计类优于当前使用的所有其他估计类。