“已知 $N$ 时,$\widehat t {HT}/N$ 是总体均值的无偏估计。Hájek 比率估计改用估计的总体规模归一化,牺牲一般的精确无偏性,换取某些资料结构下的稳定性。二者应按估计目…”
形式陈述
为什么除以“估计出来的总体人数”,有时比除以已知人数更稳定?设
在设计保证样本非空、纳入概率已知为正时,未知总体数值是参数,样本索引及可见结果是输入;上述比率是一项可实施的估计规则,不要求读取总体真均值。若允许空样本,须按下文另定输出约定。
若已知总体大小
它一般不是精确设计无偏的。令真均值为
这个线性化有一个精确余项。记
若分母相对误差
因此首阶方差由中心化残差
直觉
HT 总量随样本变化时,有一部分波动可能来自样本“代表了多少人”,另一部分来自这些人的平均数值。分子与分母共同缩放,就能消掉第一部分。特别是所有
这个归一化机制与自归一化重要性采样相似,但抽样调查中的随机性来自有限总体设计,方差仍须保留分层、簇和联合纳入结构。
例子与边界
用同一设计看见偏差
沿用 HT 页的三人总体
例如抽中
把三种 Hájek 结果按设计概率平均,得到
何时归一化完全消除波动
若把同一设计的总体数值改成所有人均为
设计允许空样本时,需要明确估计量的定义或改用保证非空的设计。极端权重时,归一化结果仍可能几乎由一个对象决定,应同时检查权重集中程度和设计有效信息量。
推论与应用
一般比率估计还可把分母换成辅助变量总量。校准权重进一步要求多个已知总体总量同时匹配;仅匹配常数变量的校准,正好体现了“权重和应等于总体人数”的约束。
参考资料
- Thomas Lumley, Complex Surveys: A Guide to Analysis Using R, Wiley, 2010, Chapter 5, “Ratios and Linear Regression”,设计权重与比率估计。
- U.S. EPA spsurvey, Technical Details, “Totals, Means, Proportions, and Distribution Functions”,总量与比率估计的实现。