导读:本文包含了抽样估计论文开题报告文献综述及选题提纲参考文献，主要关键词:抽样调查,PPS抽样,齐夫现象
抽样估计论文文献综述
王峰[1]（2019）在《排序下PPS抽样估计量的修正与应用》一文中研究指出受许多事物具有齐夫现象的启发,本文提出了排序后PPS抽样方法,并给出了修正汉森-赫维茨估计量及其方差。在此过程中本文解决了,长期以来抽样调查实践中将重要单元直接入样时,多少重要单元直接入样没有明确方法的问题,本文给出了理论依据和具体的确定方法。最后通过一个例子和中国城市人口抽样调查的案例,展示了修正汉森-赫维茨估计量的优势,并对这一研究方法做了总结和展望。(本文来源于《数理统计与管理》期刊2019年06期）
Mulunda,Ilunga,Christian[2]（2019）在《刚果（金）大区域森林遥感抽样估计及变化监测研究》一文中研究指出结合不同分辨率遥感数据进行大区域森林面积及其变化的监测和传统地面调查的方法相比具有明显的优势。刚果民主共和国(刚果(金))地处非洲中心,不仅有最大的非洲热带雨林,还有几个生态区如Miombo林地等。对刚果(金)来说,掌握森林资源数据及其变化情况显得尤为重要。但目前刚果(金)在这方面还比较薄弱。本研究选取两个典型地区作为研究区域,分别进行两方面研究:1、提出了基于合计数的概率转移矩阵的大规模遥感抽样调查研究。方法步骤为:(1)利用Landsat8数据进行覆盖调查总体的计算机有监督自动分类;(2)利用谷歌高空间分辨率数据进行总体的系统抽样,对样地进行目视解译,其结果作为地面真值;(3)利用对应的样地目视解译数据和TM自动分类数据建立概率转移矩阵;(4)利用概率转移矩阵和自动分类结果对总体进行概率估计。作为比较,设计了3种概率抽样估计方法,(1)称为方法1,即本文提出的方法,概率转移矩阵基于所有样地的面积转移矩阵合计数计算;(2)称为方法2,是已有方法,概率转移矩阵是单个样地的概率转移矩阵的平均数;(3)称为方法3,仅使用目视解译样地进行简单随机抽样估计。计算机自动分类和目视解译均分为7个地类。TM影像共25景,目视解释样地共112个,每个大小3km×3km。计算机自动分类精度为84.52%。方法1、方法2和方法3的综合概率抽样精度依次为91.94%、92.21%和86.29%。方法1和方法2利用了自动分类数据和目视解译数据的信息,估计效率高,简单随机抽样只利用了目视解译数据,效率低。同时方法1是无偏的,结果比方法2更合理,虽然综合抽样精度稍低一点。2、大规模动态变化监测。本研究提出基于MODIS-NDVI数据和稳健回归方法进行动态变化监测。选取2001-2005年、2005-2009年、2009-2013年、2013-2017年等4个周期的数据进行分析。基本步骤如下:(1)依据全部像素NDVI数据,建立两个连续周期之间的稳健回归模型;(2)根据稳健回归模型的方差确定阈值,并诊断变化值;(3)分4个显着性水平(α=0.1;0.05;0.025和0.005)评估变化的像素数,并确定变化区域。结果表明,每个周期植被覆盖减少的面积(在不同显着性水平上)大于植被覆盖增加的面积,这一结论被高空间分辨率图像所证实。(本文来源于《浙江农林大学》期刊2019-06-02）
韩兆洲,陈晓冰[3]（2019）在《基于地理加权回归的GREG模型辅助信息抽样估计研究》一文中研究指出在抽样工作中,利用辅助信息进行模型抽样估计有利于提高估计精度。由于我国各地区发展不平衡,地区统计数据在空间上存在差异,传统的广义回归(GREG)估计方法将所有地区一视同仁,忽略了空间上的差异性,抽样估计存在较大误差。本文在传统的GREG估计方法基础上,创新性地提出一种新型的辅助信息抽样估计模型——地理加权回归(GWR)的GREG模型。该模型不仅考虑到空间的异质性和相关性,而且由于GWR对不同地区允许具有不同的截距项,除解释变量之外的其他影响因素都会反映到截距项中,因此只需要利用更少的辅助信息就可以估计出模型。本文在理论推导的基础上,通过实证和数值模拟方法,采用平均绝对误差(MAE)和标准误差(RMSE)对比评估了π估计量、全局线性回归模型、GWR模型和基于GWR的GREG模型对总体总值的预测结果,研究结果显示,基于GWR的GREG模型估计误差最小,估计效果最好。(本文来源于《调研世界》期刊2019年05期）
李欣海,郜二虎,李百度,詹祥江[4]（2019）在《用物种分布模型和距离抽样估计叁江源藏野驴、藏原羚和藏羚羊的数量》一文中研究指出叁江源国家公园成立后,人们需要了解该区域关键有蹄类物种如藏野驴(Equus kiang)、藏原羚(Procaprapicticaudata)和藏羚羊(Pantholops hodgsonii)等物种的分布和数量,以便制定相应的保护规划.我们于2014～2017年夏季在叁江源53.8×10~4km~2的范围内进行了样线调查,考察行程总计14597.8 km,记录到藏野驴3711头,藏原羚1187只,藏羚羊423只.为了准确估计有蹄类的数量,我们用随机森林模型量化了物种分布与22个环境变量的关系,预测了叁大有蹄类在整个区域的分布和数量,并通过样线调查的数据进行校正,得到藏野驴、藏原羚和藏羚羊在叁江源研究区域的总数分别为44240头、13162只和2390只.四年来叁大有蹄类数量稳定.我们应用距离抽样的探测函数、随机森林模型中环境变量对物种数量的解释程度以及调查结果和模型结果的匹配程度进行不确定性分析,计算了动物估计数量的置信区间.我们建立了新的动物数量估计方法,适合于动物分布与环境变量关系密切并有样线调查结果的情况.(本文来源于《中国科学:生命科学》期刊2019年02期）
刘莲莲[5]（2018）在《大数据下广义线性模型的随机抽样估计》一文中研究指出随着计算机行业和信息技术的快速发展,以及社交网络,互联网交易等新兴技术和服务业的不断出现,人们收集和需要处理的数据种类越来越多,数据规模也越来越大.大数据统计研究成为热门研究领域.随机抽样方法在大数据研究中有着重要的作用.本文主要研究了大数据下基于随机抽样的广义线性模型的回归估计问题.在杠杆值抽样的基础上,本文提出了广义线性模型杠杆值重要性抽样改进算法和最优抽样设计方法,对模型进行参数估计并讨论估计量的统计性质.具体研究方法和结论主要体现在以下叁个方面:第一部分提出了两种对杠杆值抽样的改进方法.一种是在广义杠杆值计算中,通过计算全部样本离中心点的距离,提取距离样本中心最近的L个样本作为纯净子集,根据纯净子集计算广义帽子矩阵.另一种是利用K-mean聚类的思想方法,对全部样本进行聚类,剔除部分类样本,根据有效样本计算广义帽子矩阵.第二部分主要讨论了广义线性模型的最优抽样设计下的估计问题.我们在抽样过程中提出了一种快速子抽样算法.并构造一般抽样的子样本估计量,再通过对估计量的渐近均方误差最小化得到最优抽样概率.最后讨论了所提方法估计量的统计性质.最后是模拟研究.通过数值模拟计算评估本文所提方法的优良性.结果显示,本文所提方法在复杂数据结构中有较好的表现,特别是,最优抽样设计方法要优于其它方法。(本文来源于《广西师范大学》期刊2018-06-01）
裴玲[6]（2018）在《不同抽样估计方法在全国各省水产品产量上的应用》一文中研究指出在具体调查统计的过程中,由于存在时间、费用等要考虑的因素,因此采取全面调查的方法是不可取的。然而用抽样调查的方法,不仅能够较好的完成调查任务,还能大幅度的缩减成本。以我国各省(除西藏)水产品产量作为研究的数据基础,分别采用简单随机抽样、PPS抽样、分层抽样的方法对各省水产品产量进行均值估计,验证小样本条件下这几种抽样估计方法的抽样效率如何。结果显示,在该研究命题的基础上,pps抽样估计和分层抽样的效果均要好于简单随机抽样。(本文来源于《现代商贸工业》期刊2018年14期）
杨槟羽[7]（2018）在《考虑轮换组偏差的连续性抽样估计方法研究》一文中研究指出在国际前沿的连续性抽样调查理论及其应用研究中,如何利用科学的连续性抽样估计方法产生准确可靠的时间序列数据一直是国内外学者研究的重点。实证分析表明,被调查者会随着调查次数的增加逐渐改变自身的回答模式,进而导致轮换组偏差。传统估计领域的抽样学者对此进行了一系列的研究,但至今仍未能找到一个理想的修正估计量。与此同时,随着时间序列估计方法的快速发展,其基于模型而非设计的估计理念为解决轮换组偏差问题提供了新的思路。因此,本文从时间序列估计角度出发,首先对连续性抽样调查下的时间序列估计方法和轮换组偏差的相关理论进行了系统地梳理、归纳,作为后续研究的知识储备。然后在轮换组偏差是唯一系统性偏差的假定下,向一般时间序列抽样估计模型中引入轮换组偏差,建立了考虑轮换组偏差的时间序列抽样估计模型。此外,本文还给出了考虑轮换组偏差的时间序列抽样估计模型在r_1~m~r_2~(m-1)轮换模式下的一般形式,以兼顾该模型在各类轮换样本调查中的适用性。最后,本文基于2~2~2~1季节轮换模式,假定总体特征和轮换组偏差的各项参数,模拟生成了长度为60期的总体真值序列和相应4个轮换组的样本均值序列。在此基础上,对忽略轮换组偏差的时间序列抽样估计模型和考虑轮换组偏差的时间序列抽样估计模型分别进行应用研究。对比两模型估计效果发现,考虑轮换组偏差的时间序列估计模型具有以下两点优势:其一,该模型确能从轮换样本信息中提取出绝大部分的轮换组偏差,显着减小轮换组偏差的负面效应;其二,该模型给出的总体特征估计值更接近事先假定的总体真值,即该模型能给出更准确的总体特征估计量。(本文来源于《暨南大学》期刊2018-05-01）
陈飞[8]（2018）在《基于非参数方法的模型辅助抽样估计研究》一文中研究指出随着大数据时代的来临,数据比以往更加受到人们的重视,数据的采集和分析在个人生活、企业的经营管理和国民经济的宏观调控中都起到很重要的指导作用。当下,抽样调查仍然是实际生活中搜集和分析数据的最重要的方法,因此本文将以抽样调查这一领域为研究目标,深入研究抽样调查中抽样估计的方法。文章主要研究了在抽样调查的抽样估计阶段如何充分利用辅助信息,通过非参数模型辅助估计量来估计总体的总值。具体而言,本文就非参数方法在模型辅助估计中的叁个方面问题做了深入研究:其一:本文在总结现有模型辅助估计方法的基础上,通过基于设计的HT估计量和广义差分估计法,建立起了基于设计和基于辅助模型估计之间的联系,并在理论上给出了模型辅助估计方法的统一框架。其二,通过梳理模型辅助下非参数方法,在此基础上结合模型校准估计法构造一种新的非参数模型模型辅助估计量来尽量弥补传统估计量的缺陷。在一定的假设条件下,证明了该估计量具有设计一致性和渐进正态性,通过广义差分估计法获得了估计量的一致方差估计量。其适用性也更强,能够适应多元辅助变量和复杂抽样设计的情况。模拟结果显示:利用非参数方法得到的模型辅助估计量的在模型出现误设情况下的估计效果好于传统的线性估计量;在模型正确的条件下,估计效果与传统估计量大致相同。其叁,我国抽样调查实践起步较晚,该领域的理论研究也始终滞后于国际先进水平。本文的研究内容能够为该领域的相关实践人员提供有参考价值的基础资料,也能够对模型辅助估计法在我国的推广、运用和发展起到一定的推进作用,这也是本文研究的意义所在。(本文来源于《华南理工大学》期刊2018-04-13）
曹伟伟[9]（2018）在《基于半参数乘积调整的模型辅助抽样估计方法研究》一文中研究指出在抽样估计中,超总体回归模型描述了辅助变量与研究变量之间的相关关系,使得辅助变量直接进入估计量公式中,从而能显着地提高估计的精度。传统的广义回归估计假定研究变量与辅助变量之间呈线性关系,但是实际的调查数据之间很少满足线性关系;此时,广义回归估计效果会受到限制,有待进一步改进。为了提高抽样估计的精度,本文首先假定超总体模型的回归函数为一般形式的光滑函数,从而构建出半参数回归模型,利用半参数乘积调整方法对模型进行拟合,提出一种新型的半参数乘积估计量,同时给出估计量方差和方差估计量公式。然后,证明了该估计量具有渐近设计无偏性、一致性等优良的统计性质,并通过数值模拟的方式证明了,在非线性函数构成的有限总体下,当光滑参数选择适当时,该估计量的估计效果优于广义回归估计量。本文进一步研究了半参数模型的参数部分对抽样估计精度的影响,将半参数回归模型的参数部分拓展到叁次函数,并通过数值模拟验证了,此时的半参数乘积估计量的估计精度优于参数部分为线性函数时的估计量以及局部多项式估计量。此外,将半参数乘积抽样估计方法与模型组进行结合,并验证了,在可以划分模型组的前提下,在每个模型组分别建模进行回归估计的精度优于在总体中建立单一模型的精度。(本文来源于《暨南大学》期刊2018-04-01）
曾道梅[10]（2018）在《基于光滑样条法的模型校准抽样估计》一文中研究指出近年来,校准估计在国内外的抽样调查领域中占据重要地位,在抽样调查的理论与实践中拥有很高的关注度。传统的校准估计法适用于研究变量与辅助变量呈线性关系时,但是当研究变量与辅助变量呈非线性关系时,运用传统的校准估计法得到的估计量的估计精度并不高,而光滑样条模型校准估计量则可以很好地解决这一问题,即首先建立描述研究变量与辅助变量之间的关系的一个超总体模型,然后利用非参数估计中的光滑样条法对模型中的均值函数进行估计得到其拟合值,最后把得到的均值函数的拟合值结合校准估计得到光滑样条模型校准估计量。本文第一章详细地介绍了本文的选题背景和意义,以及国内外从理论和实践方面对校准估计量和模型校准估计量的研究现状。第二章介绍了传统的校准估计量的表达式,讨论了校准估计量的性质,并回顾了样条函数的定义、光滑样条估计量的表达式以及样条估计中光滑参数的选取。第叁章介绍了模型校准估计量的表达式、性质,并提出了一种新的模型校准估计量即光滑样条模型校准估计量,给出了它的表达式和性质。第四章是当研究变量和辅助变量之间分别呈线性关系和非线性关系时,通过数据模拟的方法对传统的校准估计量和光滑样条模型估计量的估计精度进行比较,得到当它们之间呈非线性关系时,光滑样条模型校准估计量的精度高于传统的校准估计量。第五章对本文研究的内容进行总结,提出了对未来的展望。(本文来源于《四川师范大学》期刊2018-03-25）
抽样估计论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
结合不同分辨率遥感数据进行大区域森林面积及其变化的监测和传统地面调查的方法相比具有明显的优势。刚果民主共和国(刚果(金))地处非洲中心,不仅有最大的非洲热带雨林,还有几个生态区如Miombo林地等。对刚果(金)来说,掌握森林资源数据及其变化情况显得尤为重要。但目前刚果(金)在这方面还比较薄弱。本研究选取两个典型地区作为研究区域,分别进行两方面研究:1、提出了基于合计数的概率转移矩阵的大规模遥感抽样调查研究。方法步骤为:(1)利用Landsat8数据进行覆盖调查总体的计算机有监督自动分类;(2)利用谷歌高空间分辨率数据进行总体的系统抽样,对样地进行目视解译,其结果作为地面真值;(3)利用对应的样地目视解译数据和TM自动分类数据建立概率转移矩阵;(4)利用概率转移矩阵和自动分类结果对总体进行概率估计。作为比较,设计了3种概率抽样估计方法,(1)称为方法1,即本文提出的方法,概率转移矩阵基于所有样地的面积转移矩阵合计数计算;(2)称为方法2,是已有方法,概率转移矩阵是单个样地的概率转移矩阵的平均数;(3)称为方法3,仅使用目视解译样地进行简单随机抽样估计。计算机自动分类和目视解译均分为7个地类。TM影像共25景,目视解释样地共112个,每个大小3km×3km。计算机自动分类精度为84.52%。方法1、方法2和方法3的综合概率抽样精度依次为91.94%、92.21%和86.29%。方法1和方法2利用了自动分类数据和目视解译数据的信息,估计效率高,简单随机抽样只利用了目视解译数据,效率低。同时方法1是无偏的,结果比方法2更合理,虽然综合抽样精度稍低一点。2、大规模动态变化监测。本研究提出基于MODIS-NDVI数据和稳健回归方法进行动态变化监测。选取2001-2005年、2005-2009年、2009-2013年、2013-2017年等4个周期的数据进行分析。基本步骤如下:(1)依据全部像素NDVI数据,建立两个连续周期之间的稳健回归模型;(2)根据稳健回归模型的方差确定阈值,并诊断变化值;(3)分4个显着性水平(α=0.1;0.05;0.025和0.005)评估变化的像素数,并确定变化区域。结果表明,每个周期植被覆盖减少的面积(在不同显着性水平上)大于植被覆盖增加的面积,这一结论被高空间分辨率图像所证实。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
抽样估计论文参考文献
[1].王峰.排序下PPS抽样估计量的修正与应用[J].数理统计与管理.2019
[2].Mulunda,Ilunga,Christian.刚果（金）大区域森林遥感抽样估计及变化监测研究[D].浙江农林大学.2019
[3].韩兆洲,陈晓冰.基于地理加权回归的GREG模型辅助信息抽样估计研究[J].调研世界.2019
[4].李欣海,郜二虎,李百度,詹祥江.用物种分布模型和距离抽样估计叁江源藏野驴、藏原羚和藏羚羊的数量[J].中国科学:生命科学.2019
[5].刘莲莲.大数据下广义线性模型的随机抽样估计[D].广西师范大学.2018
[6].裴玲.不同抽样估计方法在全国各省水产品产量上的应用[J].现代商贸工业.2018
[7].杨槟羽.考虑轮换组偏差的连续性抽样估计方法研究[D].暨南大学.2018
[8].陈飞.基于非参数方法的模型辅助抽样估计研究[D].华南理工大学.2018
[9].曹伟伟.基于半参数乘积调整的模型辅助抽样估计方法研究[D].暨南大学.2018
[10].曾道梅.基于光滑样条法的模型校准抽样估计[D].四川师范大学.2018