- TA的作品
- 作品笔记(0)
- 作品书评(0)
-
贫困指标测度的研究范式与机理分析 收藏
简 介:贫困指标是评价国家或地区在某一时期贫困水平的关键,而如何对贫困指标进行科学有效的测度又是研究贫困问题的核心,国内外众多学者都对此非常关注,并取得了较为丰富的研究成果。本书以贫困问题为研究对象,以阿马蒂亚·森的贫困经典理论为研究基础,基于FGT模型分析框架,主要借鉴国内外小域估计的前沿理论与方法,在小域条件下运用经验贝叶斯方法结合模拟实验对贫困指标进行测度,并对我国贫困指标的测度进行深入研究。
¥ 26.7 试读
-
结论与展望 收藏
作者: 张会敏 刘超 刘秉龙 著 出版时间:2019年08月
关键词:
出处: 贫困指标测度的研究范式与机理分析
简 介:在本书中,我们采用经验贝叶斯方法来估测小域条件下的贫困指标。采用参数自举的方法来获取均方误差的估计值。模拟实验的结论显示经验贝叶斯方法的估计值要优于直接估计值和ELL方法估计值。 模型(5.6)阐释了ELL方法和经验贝叶斯方法的近似之处。当ELL方法的采样群相对较小时,它会生成一个完整的采样群或者由自举模型(5.10)生成统计文件的相应变量,而后由此来运算贫困指标的估计值。自举程序重复使用多次,由此生成的贫困测量值采用自举重复的方法来求均值。由经验贝叶斯方法也能产生统计文件,但是需要先将分析抽样变量植入相应位置,并随后由需满足条件的(5.6)式产生抽样数据以外的数值。应用于ELL方法的模型(5.6)和模型(5.9)的主要区别是:会出现在需满足条件的(5.4)式中。程序的剩余部分与ELL方法一致。由此,这一变量将强化未被辅助变量完全注释的采样领域,进而大大降低估计值的均方误差。
¥ 3.22 试读
-
精准扶贫背景下贫困指标测度的大数据分析 收藏
作者: 张会敏 刘超 刘秉龙 著 出版时间:2019年08月
关键词:
出处: 贫困指标测度的研究范式与机理分析
简 介:随着云计算、物联网、移动终端等信息技术的广泛应用,人类社会产生的数据量呈指数增长(达到 PB 级),尤其是数据采集和处理能力的显著提升,引致了大数据时代的来临。精准扶贫背景下,大数据在贫困指标测度方面发挥着重要作用。
¥ 6.09 试读
-
精准扶贫背景下贫困指标测度的随机模拟分析 收藏
作者: 张会敏 刘超 刘秉龙 著 出版时间:2019年08月
关键词:
出处: 贫困指标测度的研究范式与机理分析
简 介:在这一节,我们介绍一个特殊的超总体模型ξ——嵌套误差线性回归模型,它可以用来估计的经验贝叶斯预测值。这个模型是线性相关的,对于所有的域,转换总体变量(例如收入对数)到向量包含了解释变量的值,并且包含随机特定域效应与通常的残差误差: 这里域效应和残差是相互独立的,让我们定义通过分层叠加到域而获得的向量和矩阵: 则向量=1,…,是与~相互独立的,此处=且: 这里,表示长度为的列向量,是×的单位矩阵。 考虑把分解成样本和样本外的元素=()′,当>0时,分解成、和为后两者方差的线性组合。则给定的样本数据的的条件分布是: 当时: 注意因为=1,…,的独立性,{|}和{|}具有相同的分布。我们已经假定把分割为和,且是已知的,与∈相联系的解释变量也是已知的。
¥ 14.25 试读
-
基于模型的贫困指标测度 收藏
作者: 张会敏 刘超 刘秉龙 著 出版时间:2019年08月
关键词:
出处: 贫困指标测度的研究范式与机理分析
简 介:近年来,在小域估计领域,各种新的难题不断涌现,相应地,具有革新性和针对性的解决方案不断出现,推动着小域估计在理论研究和应用方面的发展,成为抽样调查乃至统计学领域的一个热点问题。特别是,基于模型的小域估计方法由于模型的良好特性以及应用上的广泛性,成为小域估计研究与应用中最为活跃的部分。本书对近年来基于模型的小域估计在理论研究和应用中的最新成果进行介绍和评述,并对该领域未来的发展进行展望。 基于设计的算法和基于模型的算法的共同特征是,它们都会用到辅助协变量信息,这些数据可以通过大型调查或者一些行政记录,像普查数据、登记记录之类来获得。有些评估量仅仅需要抽样单位的协变量资料以及这些协变量的区域均值。其他估计量从群中所有单元取样。小域估计(SAE)的辅助信息非常重要,因为受样本本身数据量所限,即使再详尽的模型,如果它没能提供一套针对小域群具有很好预测能力的协变量,也起不到多大的作用。
¥ 25.09 试读
-
基于设计的贫困指标测度 收藏
作者: 张会敏 刘超 刘秉龙 著 出版时间:2019年08月
关键词:
出处: 贫困指标测度的研究范式与机理分析
简 介:域是总体中需要单独给出估计的子总体,也称为研究域,简称为域。在抽样调查中,如果一个域中所抽取的样本量足够大,则可以利用该样本信息,采用抽样理论和方法对子总体中感兴趣的参数进行估计。但是,如果在一个域里所抽取的样本量不够大,甚至样本量为零时,此时,若采用常规的抽样理论和方法,就不能得出有足够精确度的直接估计,甚至不能得到直接的估计。我们把这样的域称为“小域”。这里的“小”并非单纯指地理概念意义上的小,而是指样本量太小,不足以提供要求的精确度。小域可以是某一地理区域,如城市商业中心区(CBD)、郊区、开发区等;也可以是具有某种人口学特征的区域,如按年龄、民族、性别、文化程度、收入等指标进行分类后得到的小区域。涉及通用领域的词汇有贫困地图、疾病地图等,可通过在地图上标识不同的颜色以定义不同的等级以便评估贫困程度或疾病发生率。对于大部分的小域估计问题来说,点估计量和误差测定都需要针对不同区域进行单独操作,而不是一概而论地对所有区域进行统一考虑。
¥ 8.34 试读