10、常见库存方法的数据分析与辅助信息应用

常见库存方法的数据分析与辅助信息应用

1 引言

在抽样估计中，利用辅助信息可以显著提高估计效率。辅助信息是与感兴趣变量相关的关于抽样单元的知识，且这些知识对于总体中的所有单元都是已知的，或者至少总体参数是已知的。辅助信息可用于样本设计（如分层抽样）或估计过程（如比率估计和回归估计）。

2 分层抽样

2.1 分层抽样原理

分层抽样是将总体利用辅助变量划分为离散、不重叠的子总体，然后在每个子总体内独立抽样。这样做可以控制变异，通过分别计算可能不同的事物的统计量，再对这些层统计量进行加权平均来计算总体水平的估计值，从而使子总体之间的变异不影响估计的不确定性。分层可以使用离散或连续的辅助变量，一旦完成分层，除非通过更高级的估计技术明确涉及，否则不再使用辅助变量。

2.2 分层抽样分析

以PREF实验森林为例，森林被分为L = 9个层，各层相对大小为 (w_h)（(h = 1…9)），假设在每层内独立进行简单随机抽样且各层大小相等。每个点测量体积 (v_{ij})（(m^3/ha)），我们要估计总体均值 (\bar{v} {sts}) 和总体均值的95%置信区间。
- 估计总体均值 ：
- 估计公式为 (\bar{v} {sts} = \sum_{h=1}^{L} w_h \bar{v}_h)
- R代码实现：

pref.StRS <- svydesign(id = ~1,
                      strata = ~stratum,