《Journal of Radiation Research and Applied Sciences》:The estimation of finite population mean using simple random sampling design: Evidence from accounting, energy vehicles and radiation sciences
编辑推荐:
在抽样调查中,有限总体均值(finite population mean)的有效估计是一个核心问题,尤其是在存在辅助信息(auxiliary information)的情况下。本研究提出一种新的不放回简单随机抽样(simple random sampling
在抽样调查中,有限总体均值(finite population mean)的有效估计是一个核心问题,尤其是在存在辅助信息(auxiliary information)的情况下。本研究提出一种新的不放回简单随机抽样(simple random sampling without replacement, SRSWOR)总体均值估计量,该估计量结合了两个辅助变量。所提出的估计量是比率型估计量(ratio-type estimator)与回归型估计量(regression-type estimator)的混合形式,是仅使用单一辅助变量的传统比率型与回归型估计量的一种替代方案。研究人员研究了该估计量的一阶性质,特别地,给出了其偏差(bias)与均方误差(mean squared error, MSE)的渐近公式。研究人员将其与文献中的估计量及传统样本均值进行了分析与比较。在特定条件下,所提出的估计量可以优于其他估计量,尤其是当辅助变量与研究变量高度相关时。为检验其实际性能,研究人员利用一个真实总体和一个人工生成总体开展了数值研究与模拟研究。结果表明,在所考虑的模拟总体与模拟条件下,所提出的估计量比其他估计量具有更低的MSE和更高的百分比相对效率(percentage relative efficiency, PRE)。然而,增益的幅度取决于总体特征与相关结构。结果表明,当辅助信息具有足够信息量时,双重辅助信息方法能够提高估计精度。因此,所提出的估计量不应被视为在所有总体中普遍更优;仅当研究变量与辅助变量之间的关系足够强且存在合适的辅助信息时,该估计量才有实际价值。所提出的方法在农业、环境、工业及医学研究等存在信息量丰富的辅助变量的特定应用中,提供了一种理想的替代方案。
**一、研究背景与问题**
在统计推断与统计决策中,抽样理论具有重要地位,尤其是在普查因成本过高或耗时过长而无法实施的情况下。农业、经济学、医学、工程、环境科学和社会科学等众多实际应用领域,研究人员都希望以最低成本获得未知总体参数的高精度估计。总体均值(population mean)是最常研究且应用最广泛的参数之一,因为它能以少量数据概括总体特征。简单随机抽样(simple random sampling, SRS)是最简单的概率抽样方法,也是最容易且最无偏的方法;不放回简单随机抽样(SRSWOR)保证总体中每个单元被选中的概率相等,从而最大限度地减少选择偏差。从SRS中估计总体均值的常用无偏估计量是样本均值。样本均值是理想的统计量,但并非总是高效的,尤其是当研究变量存在更多可用但未被利用的信息时。因此,利用辅助信息(auxiliary information)提高估计精度成为抽样调查研究的重要方向。
如果辅助变量与研究变量正相关,比率型估计量(ratio-type estimator)通常更受青睐;而当辅助变量与研究变量之间呈线性关系时,回归型估计量(regression-type estimator)更为适用。过去几十年中,研究人员提出了大量基于辅助信息的改进估计量和广义估计量,包括比率、乘积、回归、指数和广义估计量。然而,大多数估计量仅基于单一辅助变量,在实际中可能不足以充分利用可用信息。在许多现实情形中,多个辅助变量同时与研究变量相关,若忽略这些额外信息,可能损失估计效率。这一需求推动了双重辅助信息(dual auxiliary information)在当代抽样调查研究中的日益重要。已有学者提出使用两个辅助变量的估计量,例如比率-累积比率、回归-累积回归、指数和广义方法。但现有估计量在偏差、均方误差、数学复杂度以及变量关系较弱或不稳定时的效率方面仍存在局限。因此,需要开发更灵活、更高效的估计量,以在不同实际情形中实现更低的均方误差。
**二、研究目的与贡献**
基于上述研究空白,该研究提出了一种在不放回简单随机抽样(SRSWOR)设计下利用双重辅助信息改进有限总体均值估计的新估计量。所提出的估计量将辅助变量本身及其秩信息(rank information)纳入同一估计框架,混合了比率型与乘积型构造,并采用修正的函数形式,以期获得更优的统计性能。研究具体贡献包括:第一,提出基于辅助变量及其秩的新估计量;第二,给出其一阶偏差和均方误差的近似公式;第三,确定相关参数的最优条件并推导效率优势条件;第四,通过真实数据集进行数值比较与应用分析。
**三、研究方法概述**
该研究首先定义了有限总体Ω={ω?,ω?,…,ω_N},从中按SRSWOR抽取容量为n的样本。设Y为研究变量,X为辅助变量,R_x为X的秩。在此基础上,研究定义总体均值?、X?、R?_x,样本均值以及总体方差、变异系数和相关系数,并引入误差项ε?、ε?、ε?及其期望、方差和协方差表达式。研究提出的新估计量为:
τ??Prop = y?? { α(X?/x??) + (1?α)(X?/x??)^β(R?x/R??x) + (1?β)(R?x/R??x) }
其中α和β是待定常数。研究采用一阶泰勒级数近似方法推导估计量的偏差和均方误差公式,并通过对MSE函数求偏导得到α和β的最优值,进而推导出最小均方误差表达式,该表达式涉及研究变量Y对X和R_x的多重相关系数ρ_{y·x,rx}。为评估估计量的实际性能,研究人员采用九个真实数据集进行实证分析,这些数据集来自三个应用领域:辐射科学领域三个数据集(来源于Wang等人(2026)和Luo与Luo(2026)的药物甲虫Stegobium paniceum辐射实验)、能源车辆领域三个数据集(来源于Prasenjit Sharma在Kaggle上发布的印度燃料类型车辆登记数据,2017至2022年)、会计与土地估值领域三个数据集(来源于Wentland等人(2020)的美国土地覆盖、土地利用与货币估值数据)。各数据集的总体规模介于20至115之间,样本量介于5至40之间,有限总体校正因子λ介于0.0163至0.1500之间。
**四、研究结果**
**1. 理论性质推导结果。** 研究通过一阶近似方法,推导了所提出估计量的偏差表达式和均方误差表达式。偏差表达式中包含误差项的方差与协方差ψ项以及常数S=n/(N?n);MSE表达式同样由ψ项和α、β构成。通过求解最优化条件,得到了使MSE最小的α和β最优值,并进一步推导出最小MSE为Y?2ψ_{200}2(1?ρ2_{y·xrx}),其中ρ_{y·xrx}是Y对X和R_x的多重相关系数。
**2. 理论比较结果。** 研究将所提出估计量与文献中若干经典估计量进行理论比较,包括Cochran(1940)比率估计量、Murthy(1964)乘积估计量、Bahl和Tuteja(1991)指数型比率与乘积估计量、回归估计量、Rao(1991)差分估计量以及Grover和Kaur(2014)广义比率型指数估计量。在特定条件下,所提出的估计量具有更小的MSE,尤其是当辅助变量及其秩与研究变量高度相关时。
**3. 辐射科学数据集实证结果(数据集I–III)。** 在数据集I中,所提出估计量的MSE为92.9308,PRE为190.4044,优于比率、乘积、回归、Rao差分及Grover和Kaur估计量。在数据集II中,MSE为3.09133,PRE为676.0771,效率增益显著,说明辅助变量及其秩信息对研究变量具有较强信息量。在数据集III中,MSE为0.0003988444,PRE为668.9165,进一步验证了信息丰富的辅助信息与秩信息能降低抽样误差。
**4. 能源车辆数据集实证结果(数据集IV–VI)。** 在数据集IV(电动汽车与太阳能车辆)中,所提出估计量的MSE为21,916,370,PRE为145.5332,比其他估计量更高效。在数据集V(电动汽车与柴油/混合动力车辆)中,PRE为114.0343,仅略高于Grover和Kaur估计量的114.0221与Rao估计量的114.0249,表明当辅助信息与研究变量关联较弱时,效率增益较小。在数据集VI中,MSE为12,935,701,PRE为163.1715,显示辅助信息与秩信息的组合提供了有用信息,减少了估计误差。
**5. 会计与土地估值数据集实证结果(数据集VII–IX)。** 在数据集VII中,所提出估计量的最小MSE为1,423,795,467,PRE为2654.358。数据集VIII的MSE为277.6095,PRE为2803.986。数据集IX的MSE为879,181,120,PRE为4298.617。这些数据集中的PRE值非常高,表明在特定的相关结构和辅助信息条件下,估计效率得到了极大提升。
**五、讨论与结论**
研究人员指出,所提出估计量的性能提升程度依赖于总体特征,特别是辅助变量、研究变量与辅助变量秩之间的关联程度。当辅助变量的秩与研究变量高度相关时,秩信息可以提供额外的辅助信息来源,有助于提高估计精度。当总体具有显著变异性或偏斜性时,这种增益可能更为明显。然而,所提出的估计量并非在所有总体结构和相关模式下都普遍最优,其相对优势取决于可用辅助信息和秩信息的强度与信息量。因此,在实际应用前,应评估辅助信息的适用性和有用性;若辅助变量之间高度相关,则可能提供冗余信息,此时同时使用两者的增益有限。研究结论表明,当总体层面的辅助信息可得,且所选辅助变量与研究变量之间存在强且有意义的关系时,所提出的估计量是一种理想的替代方案,适用于农业、环境监测、工业质量控制、公共健康调查及社会经济调查等场景。研究人员同时强调,研究结果应在所考虑的数据集和一阶理论近似的背景下进行解释,未来研究可考虑弱相关、高度共线的辅助变量以及辅助信息为估计值而非已知值的情形。