张浩彬
(2022-02-27 21:33):
#paper doi:10.13546/j.cnki.tjyjc.2017.01.001 基于平衡轮换样本调查的时间序列建模
师门主要是研究抽样技术的，奈何自己关于统计抽样确实没啥储备，只能找些基础性的文章看看。本篇文章介绍了在平衡轮换样本中，如何进行实行时间序列建模。轮换样本，指的是在连续性抽样中，对每期样本进行更新轮换。这种样本抽取方式，有别于一次性抽样调查，因此如何选择合适的估计及建模方式则更加重要。本文应该说是无论是抽样方式，还是估计方法（状态空间模型+卡尔曼滤波）都算是比较经典的方法吧，最后的模型对比则用的是数值模拟的方法，这一点没太大体会。看完之后，还是感觉统计调查方法如何在当前的背景下，有新的突破，还真是不容易。
统计与决策,
2017.
DOI: 10.13546/j.cnki.tjyjc.2017.01.001
基于平衡轮换样本调查的时间序列建模
翻译
Abstract:
连续性抽样调查由于能够描述目标总体随时间的动态变化过程,吸引了越来越多国内外学者的关注。国外连续性抽样的研究已经十分成熟,在已知的轮换模式下,建立合适的模型,使得模型能较好地描述数据的真实生成过程,从而得到精度更高的目标估计量。文章建立一般轮换模式rm1rm- 12下的时间序列模型,然后以6362模式为例,利用状态空间模型和卡尔曼滤波,给出已有信息下的最优估计,有效减少抽样误差,提高样本的估计精度。
翻译