简介:域估计是抽样调查的研究热点之一,其核心问题是样本量问题。在实践中,域包含计划域和非计划域,若为计划域,兼顾总体和域的估计精度的抽样设计方案更有效,其中关键是域样本量分配问题。域样本量的研究方法主要有5种,包含传统的比例、最优、内曼、等量分配方法和Power分配方法。通过使用中国家庭追踪调查数据对5种方法进行比较研究。研究表明,比例、最优、内曼分配方法有助于提高总体的估计精度,当总样本量较小时,无法兼顾域的估计精度;等量分配方法能提高域的估计精度,便于域之间的比较,但降低了总体的估计精度;Power分配方法虽然略微降低了总体的估计精度,却显著提高了域的估计精度,是兼顾总体和域的估计精度的样本分配方法。
简介:利用蒙特卡洛模拟实验研究倾向得分匹配方法(propensityscorematching)的敏感性。模拟试验结果表明:(1)倾向得分匹配方法对误差项分布不敏感,即使当假定的误差分布与实际分布相差较大时,据倾向得分匹配方法仍能得到大致无偏的估计。(2)隐指标函数的误设可以使倾向得分匹配方法估计结果的偏差高达61%。(3)当共同支撑域较大时,倾向得分匹配方法对具体匹配方法的选择不敏感。当共同支撑域较小时,局部线性回归匹配方法为最优。(4)倾向得分匹配方法对强可忽略性假设是非常敏感的,即使轻度的违背此假设,倾向得分匹配方法的估计结果偏差也超过50%。