“从总体看,若每群只是把独立的 $U g$ 精确复制两次,均值等于 $G^{ 1}\sum gU g$,真实方差为 $\operatorname{Var}(U g)/G$。复制行没有增加信息。…”
形式陈述
一次抽很多同班学生,与从很多学校各抽一人,为什么精度不同?整群抽样先随机选簇,再观察簇内全部或部分对象。随机选择的基本单位是簇,分析需要保留簇内协方差。
当指定简单随机抽样基准的方差
分母必须注明基准样本量、是否放回和有限总体修正。若基准方差为零,例如常数总体的样本均值,这一比值没有定义。设计效应依赖变量与估计量,同一调查不必对所有结果都有同一个值。
一个常见近似来自等大簇模型:共抽
这是一组明确协方差假设下的结果,并非一切复杂设计的精确公式。
直觉
先看一个簇的总和:有
同簇对象相似时,新增一人往往重复已有信息。增加簇的数量和增加每簇人数,成本与信息收益因此不同。图像上可以把每簇看作一束相近的观测,束与束之间才提供较独立的变化。
例子与边界
多抽一个簇还是多抽簇内成员
某调查抽
若保持
一个精确有限总体反例
总体由四个二人簇组成,簇内数值依次为
若从八人中简单随机不放回抽二人,总体方差
不等簇大小与权重
大簇和小簇被同概率抽取并全查时,个体纳入概率可相同,但总样本人数随机;若每簇再固定抽若干人,个体概率就与簇大小有关。均值应按目标总体与阶段概率加权,而不是无条件把所有记录平摊。
负簇内相关、分层和校准都可能降低方差。设计效应可以小于一,所以“复杂抽样总是损失精度”也不是一般结论。
推论与应用
两相抽样通常在同层次单位上先测辅助变量、再对其中一部分补测结果;两阶段整群抽样则先抽簇、再抽簇内单位。这两个维度可以同时存在,不能只因都有两次选择就混称同一设计。每一阶段或相位都应保留其条件选择概率。
样本量计划应报告独立簇数及簇内人数,而不只报告总人数。方差估计和复制权重通常在主抽样单位层面重抽或删组,才能反映真正的随机变化。
把协方差结构用于回归
聚类稳健协方差估计把保留簇内协方差的思想落实为回归的群总得分外积,并检查独立群数、矩阵秩与不等群大小的目标权重。它先证明IID群的模型型保证;本页有限总体抽样设计的纳入概率与有限总体修正不能因此省略。
参考资料
- Sharon L. Lohr, Sampling: Design and Analysis, 3rd ed., CRC Press, 2022, Chapters 5–6,整群和多阶段抽样。
- Statistics Canada, Variance estimation, Chapter 7,复杂设计方差与重复权重。