不可忽略的无回答机制下的校准研究

摘要

在实际调查工作中,由于客观条件的限制,难以完全避免无回答情况的出现.当无回答已经产生,且单元作答情况与目标变量本身有关系时,缺失数据机制不可忽略,需要在数据分析阶段弥补无回答对估计产生的负面影响.现有方法多假定缺失数据机制为随机缺失,少数非随机缺失机制下的方法基于模型进行推断,但因其对模型假设和模型识别的较强要求造成了应用上的局限性.校准估计已在抽样推断中得到了广泛应用,它在利用辅助信息提高样本代表性的同时,控制了无回答误差.采用RG RG法将模型校准法与准随机化的响应模型相结合,解决非随机缺失下的权数调整和总体估计问题.对RG RG法的估计过程和估计优势进行了理论分析和实证研究.结果表明,在不可忽略的无回答机制下,通过RG RG法的调整降低了最终权数的变异性;加权估计量具有更小的偏差、标准误差和均方误差根,具有渐进无偏性和渐近一致性.同时,该方法是稳健的,对无回答具有双重保护作用,允许响应模型和超总体模型仅在一定程度上拟合总体,降低了对模型识别的敏感度.