基于地理加权回归的GREG模型辅助信息抽样估计研究  

Study on Model-assisted Sampling Estimation Based on Geographically Weighted Regression and Generalized Regression Estimator

作　　者：韩兆洲[1,2] 陈晓冰 Han Zhaozhou;Chen Xiaobing

机构地区：[1]暨南大学经济学院统计学系 [2]广东财经大学华商学院

出　　处：《调研世界》2019年第5期46-52,共7页The World of Survey and Research

基　　金：国家社会科学基金"核算改革背景下中国研发资本存量数据质量评估与应用研究"(17BTJ003)

摘　　要：在抽样工作中,利用辅助信息进行模型抽样估计有利于提高估计精度。由于我国各地区发展不平衡,地区统计数据在空间上存在差异,传统的广义回归(GREG)估计方法将所有地区一视同仁,忽略了空间上的差异性,抽样估计存在较大误差。本文在传统的GREG估计方法基础上,创新性地提出一种新型的辅助信息抽样估计模型——地理加权回归(GWR)的GREG模型。该模型不仅考虑到空间的异质性和相关性,而且由于GWR对不同地区允许具有不同的截距项,除解释变量之外的其他影响因素都会反映到截距项中,因此只需要利用更少的辅助信息就可以估计出模型。本文在理论推导的基础上,通过实证和数值模拟方法,采用平均绝对误差(MAE)和标准误差(RMSE)对比评估了π估计量、全局线性回归模型、GWR模型和基于GWR的GREG模型对总体总值的预测结果,研究结果显示,基于GWR的GREG模型估计误差最小,估计效果最好。

关 键 词：抽样调查 辅助信息抽样估计 地理加权回归模型 π估计量 全局线性回归模型 

分 类 号：C811[社会学—统计学]