首页 > 文献资料
-
考虑多阶段抽样设计的误差估计
多阶段随机抽样是公共卫生开展人群抽样调查的常用设计.多阶段抽样设计下获得的样本具有复杂样本的特征,存在群效应或数据不独立,若不考虑抽样设计,通常会低估抽样误差或增加统计推断Ⅰ类错误的风险.由于复杂样本误差估计形式较复杂,目前常用统计软件均默认采用极群方差估计策略来简化样本结构,即假设样本来自于一阶段整群抽样,忽略除第一阶段抽样外的所有抽样设计,从而实现对误差的近似估计.然而,在初级抽样单元入样比较高时,后继抽样阶段对误差的贡献不可忽略,极群方差估计策略可能导致无效的误差估计.本文旨在介绍考虑多阶段抽样设计下的误差估计方法,并通过对现实数据进行多阶段模拟抽样,探讨在不同抽样设计下,极群方差估计策略和考虑多阶段抽样设计下的误差估计差异.模拟结果显示,随初级抽样单元入样比的增加,极群方差估计策略估计的误差出现不同程度的偏倚,且随入样比增加偏倚加重;而考虑多阶段抽样设计下的误差估计则较准确反映误差水平,可得到准确的统计推断结果.
-
复杂抽样下的截取回归模型在医学研究中的应用
目的 探讨复杂抽样下截取因变量回归模型的方差估计及在医学研究中的应用.方法 模拟复杂抽样下分别从左右方向发生因变量截取的回归数据,比较不同截取比例、不同组内相关时不考虑抽样特点和考虑抽样设计后的泰勒级数法、刀切法、平衡半样本法所得到回归系数及其标准误,并给出一个医学随访实例.结果 随截取比例的增加回归系数偏性增加且其标准误变大,考虑抽样特征时回归系数标准误减小,群内个体相关越小回归系数标准误也减小.结论 对于抽样框完整的复杂抽样截取数据进行回归分析时,运用复杂抽样数据方差估计可提高统计推断效率.
-
复杂抽样调查总体特征量及其方差的估计
目的 介绍一种基于设计的复杂抽样调查数据总体特征量及其方差的估计方法.方法 采用抽样权重估计有关的总体特征量,用泰勒级数线性法估计其方差,并给出具体的分析实例.结果 加权估计量是总体特征量的近似无偏估计,所构建的95%CI可用于有关估计量准确度的评价及假设检验.结论 基于设计的复杂抽样调查数据分析方法说明了调查设计的特征,在大规模调查情况下都能得到可靠的结论.
-
复杂抽样下截取因变量回归系数方差估计的模拟研究
目的 探讨复杂抽样下截取因变量数据拟合回归模型后其回归系数的方差估计.方法 模拟复杂抽样下分别从左右方向发生截取的数据,按照是否考虑抽样特征分别拟合参数与半参数回归模型,给出两种情况下模型中回归系数的标准误,比较这两种情况所得结果的异同.结果 在样本量固定的前提下拟合截取回归模型,考虑复杂抽样特征后估计所得的回归系数与假设完全随机抽样一致,但其回归系数的标准误却不同于复杂抽样的情形.如果群内异质性高,群内相关系数很小,在复杂抽样条件下回归系数的标准误要低于不考虑复杂抽样特征的情形.结论 对于抽样框完整的复杂抽样截取数据,进行数据处理时应尽可能地将抽样特征考虑在内,运用复杂抽样数据方差估计得到的结果更接近于实际情况,统计推断结果更加真实可靠.
