调查中的内事后分层：基于样本拟合模型的分类

当可从调查外部来源获取分类辅助信息时，事后分层（post-stratification）常被用于提高调查估计量的精度。在自然资源调查中，此类信息通常源自遥感数据，经分类后以基于像素的地图形式呈现。这些地图可能是基于对样本数据拟合的分类模型构建的。基于从样本数据导出的类别对样本数据进行事后分层（即“内事后分层”），违反了标准事后分层的假设，即观测值被无误地划分到事后层，且事后层的总体计数已知。本文推导了基于样本拟合广义线性模型构建事后层（通过将模型预测值的范围划分为预定区间）时，内事后分层估计量的性质。在温和条件下，确立了内事后分层估计量的设计一致性。在超总体模型下，确立了该估计量的一致性和渐近正态性，表明其具有与固定分层传统事后分层估计量相同的渐近方差。模拟实验表明，即使在样本量相对较小的情况下，先在调查数据上拟合模型再进行事后分层的实际影响也很小。