• 论文 • 上一篇    

基于贝叶斯伪设计与组合样本的候选者数据库网络调查的推断研究

刘展1,金勇进2   

  1. 1. 湖北大学数学与统计学学院应用数学湖北省重点实验室,武汉 430062; 2. 中国人 民大学应用统计科学研究中心,北京 100872
  • 出版日期:2019-06-25 发布日期:2019-10-10

刘展,金勇进. 基于贝叶斯伪设计与组合样本的候选者数据库网络调查的推断研究[J]. 系统科学与数学, 2019, 39(6): 990-1000.

LIU Zhan, JIN Yongjin. Research on Inference of Candidate Database Web Surveys Based on Bayesian Pseudo Design and the Combined Sample[J]. Journal of Systems Science and Mathematical Sciences, 2019, 39(6): 990-1000.

Research on Inference of Candidate Database Web Surveys Based on Bayesian Pseudo Design and the Combined Sample

LIU Zhan1 ,JIN Yongjin2   

  1. 1. Hubei Key Laboratory of Applied Mathematics, School of Mathematics and Statistics, Hubei University, Wuhan 430062; 2. Center for Applied Statistics, Renmin University of China, Beijing 100872
  • Online:2019-06-25 Published:2019-10-10

候选者数据库网络调查的推断问题是网络调查发展中迫切需要解决的问题. 基于此, 提出基于贝叶斯伪设计与组合样本的非概率抽样推断方法: 将网络候选者数据库的调查样本与概率样本结合, 根据贝叶斯定理推导出网络候选者数据库的调查样本单元的伪权数构造式, 再利用两个样本数据共同估计总体均值, 最后利用Bootstrap和Jackknife方法来计算总体均值估计的方差估计. 研究结果表明: 基于贝叶斯伪设计与组合样本的总体均值估计比使用Elliot方法估计的总体均值偏差更小, 估计效果较好; 方差估计方面, Bootstrap方差估计比Jackknife方差估计的效果好.

How to solve the inference problem of candidate database web surveys is an urgent problem to be solved in the development of web survey. In order to solve this problem, the inference method of non-probability sampling based on Bayesian pseudo design and the combined sample is proposed. Firstly, a survey sample of the web candidate database and a probability sample are combined. The pseudo weight formula of the survey sample of the web candidate database is then derived according to the Bayesian theory. Furthermore, the data of the combined sample is used to estimate the population mean. Lastly, the bootstrap and jackknife methods are used to compute the variance estimator of the population mean estimator. The research results show that the population mean estimator based on Bayesian pseudo design and the combined sample is better, and has lower bias than the estimator using the Elliot's approach. The variance estimator based on the bootstrap method is better than the variance estimator based on the jackknife method.

()
[1] 乔鸽, 周建红, 李新民. 广义线性模型下模型平均的比较研究[J]. 系统科学与数学, 2021, 41(4): 1164-1180.
[2] 王大刚,钟锦,吴昊. 基于贝叶斯和自编码器的社会化推荐算法研究[J]. 系统科学与数学, 2020, 40(4): 686-700.
[3] 柴建,毛敏. 不同省份和区域间天然气需求驱动路径及差异性分析----基于贝叶斯结构方程模型[J]. 系统科学与数学, 2020, 40(12): 2431-2444.
[4] 赵闯,朗坤. 基于贝叶斯网络的生鲜物流风险评估[J]. 系统科学与数学, 2020, 40(11): 2108-2124.
[5] 赵远英,徐登可,段星德. 非线性均值方差模型的贝叶斯数据删除统计诊断[J]. 系统科学与数学, 2020, 40(1): 171-179.
[6] 肖翔.  0-1膨胀几何分布回归模型及其应用[J]. 系统科学与数学, 2019, 39(9): 1486-1499.
[7] 叶仁道,张瑜. 偏正态混合效应模型参数的经验贝叶斯估计[J]. 系统科学与数学, 2019, 39(11): 1895-1908.
[8] 胡仕强,陈荣达. 我国有限人口数据下长寿衍生产品定价的贝叶斯方法[J]. 系统科学与数学, 2018, 38(4): 497-510.
[9] 董艳,阚树林. 基于模糊贝叶斯网络的汽车软关系统可靠性研究方法和优化[J]. 系统科学与数学, 2017, 37(6): 1391-1403.
[10] 彭岩,冯星星. 基于Bayes的决策模型研究与构建[J]. 系统科学与数学, 2016, 36(9): 1487-1496.
[11] 温利民,庄小红. 零期望效用原理下的贝叶斯保费[J]. 系统科学与数学, 2016, 36(8): 1318-1328.
[12] 王帅,冯晋. 基于三次卷积插值的贝叶斯滤波方法研究[J]. 系统科学与数学, 2015, 35(2): 170-180.
阅读次数
全文


摘要