基于平衡轮换样本调查的时间序列建模

       摘要: 连续性抽样调查由于能够描述目标总体随时间的动态变化过程,吸引了越来越多国内外学者的关注.国外连续性抽样的研究已经十分成熟,在已知的轮换模式下,建立合适的模型,使得模型能较好地描述数据的真实生成过程,从而得到精度更高的目标估计量.文章建立一般轮换模式rm1~rm-12下的时间序列模型,然后以63~62模式为例,利用状态空间模型和卡尔曼滤波,给出已有信息下的最优估计,有效减少抽样误差,提高样本的估计精度

作者:
李冰 陈光慧
单位:
暨南大学经济学院 广州 510632
出处:
《统计与决策》
刊期:
2017年第33卷第1期
基金:
全国统计科学研究计划项目, 霍英东教育基金会项目, 广东省优秀博士学位论文资助项目

基于平衡轮换样本调查的时间序列建模

摘要:连续性抽样调查由于能够描述目标总体随时间的动态变化过程,吸引了越来越多国内外学者的关注.国外连续性抽样的研究已经十分成熟,在已知的轮换模式下,建立合适的模型,使得模型能较好地描述数据的真实生成过程,从而得到精度更高的目标估计量.文章建立一般轮换模式rm1~rm-12下的时间序列模型,然后以63~62模式为例,利用状态空间模型和卡尔曼滤波,给出已有信息下的最优估计,有效减少抽样误差,提高样本的估计精度

说明:如本页面涉及到版权问题或作者不愿意公开,请联系本站管理员删除!

0.146252s