调查抽样中利用广义熵的去偏校准估计
统计方法学
2025-05-13 v4
摘要
将辅助信息纳入调查估计是调查抽样中的一个基本问题。校准加权是纳入辅助信息的常用工具。Deville 和 Sarndal (1992) 的校准加权方法利用设计权重与最终权重之间的距离度量来求解带有校准约束的优化问题。本文引入了一种新框架，利用广义熵作为优化的目标函数，其中设计权重在约束中发挥作用以确保设计一致性，而非作为目标函数的一部分。这种新颖的校准框架因其通用性而备受青睐，并且与基于 Deville 和 Sarndal (1992) 的传统方法相比，能够生成更高效的校准权重。此外，我们确定了广义熵函数的最优选择，该选择在相同约束下能在各种广义熵函数选择中实现最小方差。我们严格给出了设计一致性和渐近正态性等渐近性质。还展示了有限模拟研究的结果。我们利用从 Kynetec, Inc. 收集的农业调查数据演示了实际应用。
引用
@article{arxiv.2404.01076,
title = {Debiased calibration estimation using generalized entropy in survey sampling},
author = {Yonghyun Kwon and Jae Kwang Kim and Yumou Qiu},
journal= {arXiv preprint arXiv:2404.01076},
year = {2025}
}