存在辅助信息时属性特征敏感问题调查的随机化模型

摘要

随机化方法已经成为社会敏感性问题调查中的一种重要的方法和常用的手段。继Warner开创随机化调查技术之后,在近四十年的随机化调查技术的理论研究中,国内外的学者研究的是对随机化装置或对随机化设计的改进,从而来提高抽样调查的效率。但在实际调查中有一些已知的辅助信息、或者一些先期的数据资料,这些数据资料是可以用来提高调查效率的。利用辅助信息提高敏感问题(不论是属性特征还是数量特征)调查效率的理论、方法到目前为止所见甚少。本文所做的工作如下:本文研究了属性特征随机化调查使用辅助信息的比估计方法,设计了比估计模型。将比估计模型在理论与数值模拟两个方面与Warner模型进行了比较,证明了比估计方法在一定条件下所得到的理论和数值模拟是优于Warner模型。基于比估计模型的思想,进一步设计出利用辅助信息的回归估计模型,从理论上研究了回归估计中的系数β取不同值时的期望、方差以及均方误差,并将回归估计模型的期望、方差以及均方误差与Warner模型和比估计模型进行了比较,最后利用R语言程序进行了数值模拟,证明了回归估计模型得到的理论结果与实际数值模拟是一致的。考虑到目前定量特征随机化策略公平比较研究较少,本文另外还给出了一种定量特征随机化策略保护度的定义,并在此定义下比较了几种经典数量特征随机化策略的优劣。

目录

摘要

Abstract

第一章 随机化调查理论综述

1.1 引言

1.2 随机化调查方法简介

1.2.1 常用记号

1.2.2 定性特征敏感问题随机化调查方法

1.3 随机化调查技术的比较

1.3.1 随机化策略的公平比较

1.3.2 随机化装置的效率比较

第二章 基础知识

2.1 常用基础记号

2.2 简单随机抽样

2.3 比估计

2.4 回归估计

第三章 比估计模型下敏感性问题研究

3.1 引言

3.2 Warner模型设计以及参数估计

3.3 比估计模型

3.3.1 符号说明

3.3.2 抽样设计

3.3.3 随机化装置

3.3.4 随机化回答技术

3.3.5 比估计模型

3.4 比估计的期望和均方误差

3.5 效率比较

3.6 数值模拟

第四章 回归估计模型下敏感性问题研究

4.1 引言

4.2 Warner模型设计以及参数估计

4.3 回归估计模型

4.3.1 符号说明

4.3.2 抽样设计

4.3.3 随机化装置

4.3.4 随机化回答技术

4.3.5 回归估计模型

4.4 回归估计的期望、方差和均方误差

4.4.1 β为设定常数

4.4.2 β为由样本决定时

4.5 效率比较

4.6 数值模拟

4.6.1 R语言数值模拟程序

4.6.2 数值模拟比较

第五章 定量特征随机化策略的公平比较

5.1 引言

5.2 保护度的定义

5.3 已知策略的保护度

5.4 效率比较

5.5 数值模拟

第六章 问题与展望

参考文献

致谢

在读期间取得的成果

作者简介