参数估计

自己看吧

1. 因子分析模型 因子分析法是从研究变量内部相关的依赖关系出发,把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法.它的基本思想是将观测变量进行分类,将相关性较高,即联系比较紧密的分在同一类中,而不同类变量之间的相关性则较低,那么每一类变量实际上就代表了一个基本结构,即公共因子.对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量. 因子分析的基本思想： 把每个研究变量分解为几个影响因素变量,将每个原始变量分解成两部分因素,一部分是由所有变量共同具有的少数几个公共因子组成的,另一部分是每个变量独自具有的因素,即特殊因子 因子分析模型描述如下： （1）X = (x1,x2,…,xp)￠是可观测随机向量,均值向量E(X)=0,协方差阵Cov(X)=∑,且协方差阵∑与相关矩阵R相等（只要将变量标准化即可实现）. （2）F = (F1,F2,…,Fm)￠ （m<p）是不可测的向量,其均值向量E(F)=0,协方差矩阵Cov(F) =I,即向量的各分量是相互独立的. （3）e = (e1,e2,…,ep)￠与F相互独立,且E(e)=0, e的协方差阵∑是对角阵,即各分量e之间是相互独立的,则模型： x1 = a11F1+ a12F2 +…+a1mFm + e1 x2 = a21F1+a22F2 +…+a2mFm + e2 ……… xp = ap1F1+ ap2F2 +…+apmFm + ep 称为因子分析模型,由于该模型是针对变量进行的,各因子又是正交的,所以也称为R型正交因子模型. 其矩阵形式为： x =AF + e . 其中： x=,A=,F=,e= 这里, （1）m ￡ p； （2）Cov(F,e)=0,即F和e是不相关的； （3）D(F) = Im ,即F1,F2,…,Fm不相关且方差均为1； D(e)=,即e1,e2,…,ep不相关,且方差不同. 我们把F称为X的公共因子或潜因子,矩阵A称为因子载荷矩阵,e 称为X的特殊因子. A = (aij),aij为因子载荷.数学上可以证明,因子载荷aij就是第i变量与第j因子的相关系数,反映了第i变量在第j因子上的重要性. 2. 模型的统计意义 模型中F1,F2,…,Fm叫做主因子或公共因子,它们是在各个原观测变量的表达式中都共同出现的因子,是相互独立的不可观测的理论变量.公共因子的含义,必须结合具体问题的实际意义而定.e1,e2,…,ep叫做特殊因子,是向量x的分量xi(i=1,2,…,p)所特有的因子,各特殊因子之间以及特殊因子与所有公共因子之间都是相互独立的.模型中载荷矩阵A中的元素(aij)是为因子载荷.因子载荷aij是xi与Fj的协方差,也是xi与Fj的相关系数,它表示xi依赖Fj的程度.可将aij看作第i个变量在第j公共因子上的权,aij的绝对值越大(aij￡1),表明xi与Fj的相依程度越大,或称公共因子Fj对于xi的载荷量越大.为了得到因子分析结果的经济解释,因子载荷矩阵A中有两个统计量十分重要,即变量共同度和公共因子的方差贡献. 因子载荷矩阵A中第i行元素之平方和记为hi2,称为变量xi的共同度.它是全部公共因子对xi的方差所做出的贡献,反映了全部公共因子对变量xi的影响.hi2大表明x的第i个分量xi对于F的每一分量F1,F2,…,Fm的共同依赖程度大. 将因子载荷矩阵A的第j列( j =1,2,…,m)的各元素的平方和记为gj2,称为公共因子Fj对x的方差贡献.gj2就表示第j个公共因子Fj对于x的每一分量xi(i= 1,2,…,p)所提供方差的总和,它是衡量公共因子相对重要性的指标.gj2越大,表明公共因子Fj对x的贡献越大,或者说对x的影响和作用就越大.如果将因子载荷矩阵A的所有gj2 ( j =1,2,…,m)都计算出来,使其按照大小排序,就可以依此提炼出最有影响力的公共因子. 3. 因子旋转 建立因子分析模型的目的不仅是找出主因子,更重要的是知道每个主因子的意义,以便对实际问题进行分析.如果求出主因子解后,各个主因子的典型代表变量不很突出,还需要进行因子旋转,通过适当的旋转得到比较满意的主因子. 旋转的方法有很多,正交旋转(orthogonal rotation)和斜交旋转(oblique rotation)是因子旋转的两类方法.最常用的方法是最大方差正交旋转法(Varimax).进行因子旋转,就是要使因子载荷矩阵中因子载荷的平方值向0和1两个方向分化,使大的载荷更大,小的载荷更小.因子旋转过程中,如果因子对应轴相互正交,则称为正交旋转；如果因子对应轴相互间不是正交的,则称为斜交旋转.常用的斜交旋转方法有Promax法等. 4.因子得分 因子分析模型建立后,还有一个重要的作用是应用因子分析模型去评价每个样品在整个模型中的地位,即进行综合评价.例如地区经济发展的因子分析模型建立后,我们希望知道每个地区经济发展的情况,把区域经济划分归类,哪些地区发展较快,哪些中等发达,哪些较慢等.这时需要将公共因子用变量的线性组合来表示,也即由地区经济的各项指标值来估计它的因子得分. 设公共因子F由变量x表示的线性组合为： Fj = uj1 xj1+ uj2 xj2+…+ujpxjp j=1,2,…,m 该式称为因子得分函数,由它来计算每个样品的公共因子得分.若取m=2,则将每个样品的p个变量代入上式即可算出每个样品的因子得分F1和F2,并将其在平面上做因子得分散点图,进而对样品进行分类或对原始数据进行更深入的研究. 但因子得分函数中方程的个数m小于变量的个数p,所以并不能精确计算出因子得分,只能对因子得分进行估计.估计因子得分的方法较多,常用的有回归估计法,Bartlett估计法,Thomson估计法. （1）回归估计法 F = X b = X (X ￠X)-1A￠ = XR-1A￠ (这里R为相关阵,且R = X ￠X ). （2）Bartlett估计法 Bartlett估计因子得分可由最小二乘法或极大似然法导出. F = [(W-1/2A)￠ W-1/2A]-1(W-1/2A)￠ W-1/2X = (A￠W-1A)-1A￠W-1X （3）Thomson估计法 在回归估计法中,实际上是忽略特殊因子的作用,取R = X ￠X,若考虑特殊因子的作用,此时R = X ￠X＋W,于是有： F = XR-1A￠ = X (X ￠X＋W)-1A￠ 这就是Thomson估计的因子得分,使用矩阵求逆算法(参考线性代数文献)可以将其转换为： F = XR-1A￠ = X (I+A￠W-1A)-1W-1A￠ 5. 因子分析的步骤 因子分析的核心问题有两个：一是如何构造因子变量；二是如何对因子变量进行命名解释.因此,因子分析的基本步骤和解决思路就是围绕这两个核心问题的. （i）因子分析常常有以下四个基本步骤： （1）确认待分析的原变量是否适合作因子分析. （2）构造因子变量. （3）利用旋转方法使因子变量更具有可解释性. （4）计算因子变量得分. （ii）因子分析的计算过程： （1）将原始数据标准化,以消除变量间在数量级和量纲上的不同. （2）求标准化数据的相关矩阵； （3）求相关矩阵的特征值和特征向量； （4）计算方差贡献率与累积方差贡献率； （5）确定因子： 设F1,F2,…, Fp为p个因子,其中前m个因子包含的数据信息总量（即其累积贡献率）不低于80%时,可取前m个因子来反映原评价指标； （6）因子旋转： 若所得的m个因子无法确定或其实际意义不是很明显,这时需将因子进行旋转以获得较为明显的实际含义. （7）用原指标的线性组合来求各因子得分： 采用回归估计法,Bartlett估计法或Thomson估计法计算因子得分. （8）综合得分 以各因子的方差贡献率为权,由各因子的线性组合得到综合评价指标函数. F = (w1F1+w2F2+…+wmFm)／(w1+w2+…+wm ) 此处wi为旋转前或旋转后因子的方差贡献率. （9）得分排序：利用综合得分可以得到得分名次. 在采用多元统计分析技术进行数据处理、建立宏观或微观系统模型时,需要研究以下几个方面的问题： · 简化系统结构,探讨系统内核.可采用主成分分析、因子分析、对应分析等方法,在众多因素中找出各个变量最佳的子集合,从子集合所包含的信息描述多变量的系统结果及各个因子对系统的影响.“从树木看森林”,抓住主要矛盾,把握主要矛盾的主要方面,舍弃次要因素,以简化系统的结构,认识系统的内核. · 构造预测模型,进行预报控制.在自然和社会科学领域的科研与生产中,探索多变量系统运动的客观规律及其与外部环境的关系,进行预测预报,以实现对系统的最优控制,是应用多元统计分析技术的主要目的.在多元分析中,用于预报控制的模型有两大类.一类是预测预报模型,通常采用多元线性回归或逐步回归分析、判别分析、双重筛选逐步回归分析等建模技术.另一类是描述性模型,通常采用聚类分析的建模技术. · 进行数值分类,构造分类模式.在多变量系统的分析中,往往需要将系统性质相似的事物或现象归为一类.以便找出它们之间的联系和内在规律性.过去许多研究多是按单因素进行定性处理,以致处理结果反映不出系统的总的特征.进行数值分类,构造分类模式一般采用聚类分析和判别分析技术. 如何选择适当的方法来解决实际问题,需要对问题进行综合考虑.对一个问题可以综合运用多种统计方法进行分析.例如一个预报模型的建立,可先根据有关生物学、生态学原理,确定理论模型和试验设计；根据试验结果,收集试验资料；对资料进行初步提炼；然后应用统计分析方法(如相关分析、逐步回归分析、主成分分析等)研究各个变量之间的相关性,选择最佳的变量子集合；在此基础上构造预报模型,最后对模型进行诊断和优化处理,并应用于生产实际. Rotated Component Matrix,就是经转轴后的因子负荷矩阵, 当你设置了因子转轴后,便会产生这结果. 转轴的是要得到清晰的负荷形式,以便研究者进行因子解释及命名. SPSS的Factor Analysis对话框中,有个Rotation钮,点击便会弹出Rotation对话框, 其中有5种因子旋转方法可选择： 1.最大变异法(Varimax)：使负荷量的变异数在因子内最大,亦即,使每个因子上具有最高载荷的变量数最少. 2.四次方最大值法(Quartimax)：使负荷量的变异数在变项内最大,亦即,使每个变量中需要解释的因子数最少. 3.相等最大值法(Equamax)：综合前两者,使负荷量的变异数在因素内与变项内同时最大. 4.直接斜交转轴法(Direct Oblimin)：使因素负荷量的差积（cross-products）最小化. 5.Promax 转轴法：将直交转轴(varimax)的结果再进行有相关的斜交转轴.因子负荷量取2,4,6次方以产生接近0但不为0的值,藉以找出因子间的相关,但仍保有最简化因素的特性. 上述前三者属於「直交(正交)转轴法」(Orthogonal Rotations),在直交转轴法中,因子与因子之间没有相关,因子轴之间的夹角等於90 ufa01.后两者属於「斜交转轴」(oblique rotations),表示因子与因子之间彼此有某种程ufa01的相关,因素轴之间的夹角uf967是90ufa01. 直交转轴法的优点是因子之间提供的讯息uf967会重叠,受访者在某一个因子的分uf969与在其他因子的分uf969,彼此独uf9f7互uf967相关；缺点是研究迫使因素之间uf967相关,但这种情况在实际的情境中往往并不常存在.至於使用何种转轴方式,须视乎研究题材、研究目的及相关理论,由研究者自行设定. 在根据结果解释因子时,除了要看因子负荷矩阵中,因子对哪些变量呈高负荷,对哪些变量呈低负荷,还须留意之前所用的转轴法代表的意义. 2,主成分分析（principal component analysis） 将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法.又称主分量分析.在实际课题中,为了全面分析问题,往往提出很多与此有关的变量（或因素）,因为每个变量都在不同程度上反映这个课题的某些信息.但是,在用统计分析方法研究这个多变量的课题时,变量个数太多就会增加课题的复杂性.人们自然希望变量个数较少而得到的信息较多.在很多情形,变量之间是有一定的相关关系的,当两个变量之间有一定相关关系时,可以解释为这两个变量反映此课题的信息有一定的重叠.主成分分析是对于原先提出的所有变量,建立尽可能少的新变量,使得这些新变量是两两不相关的,而且这些新变量在反映课题的信息方面尽可能保持原有的信息.主成分分析首先是由K.皮尔森对非随机变量引入的,尔后H.霍特林将此方法推广到随机向量的情形.信息的大小通常用离差平方和或方差来衡量. （1）主成分分析的原理及基本思想. 原理：设法将原来变量重新组合成一组新的互相无关的几个综合变量,同时根据实际需要从中可以取出几个较少的总和变量尽可能多地反映原来变量的信息的统计方法叫做主成分分析或称主分量分析,也是数学上处理降维的一种方法. 基本思想：主成分分析是设法将原来众多具有一定相关性（比如P个指标）,重新组合成一组新的互相无关的综合指标来代替原来的指标.通常数学上的处理就是将原来P个指标作线性组合,作为新的综合指标.最经典的做法就是用F1（选取的第一个线性组合,即第一个综合指标）的方差来表达,即Var(F1)越大,表示F1包含的信息越多.因此在所有的线性组合中选取的F1应该是方差最大的,故称F1为第一主成分.如果第一主成分不足以代表原来P个指标的信息,再考虑选取F2即选第二个线性组合,为了有效地反映原来信息,F1已有的信息就不需要再出现再F2中,用数学语言表达就是要求Cov(F1, F2)=0,则称F2为第二主成分,依此类推可以构造出第三、第四,……,第P个主成分. （2）步骤 Fp=a1mZX1+a2mZX2+……+apmZXp 其中a1i, a2i, ……,api(i=1,……,m)为X的协方差阵∑的特征值多对应的特征向量,ZX1, ZX2, ……, ZXp是原始变量经过标准化处理的值,因为在实际应用中,往往存在指标的量纲不同,所以在计算之前须先消除量纲的影响,而将原始数据标准化,本文所采用的数据就存在量纲影响[注：本文指的数据标准化是指Z标准化]. A=(aij)p×m=(a1,a2,…am,),Rai=λiai,R为相关系数矩阵,λi、ai是相应的特征值和单位特征向量,λ1≥λ2≥…≥λp≥0 . 进行主成分分析主要步骤如下： 1. 指标数据标准化（SPSS软件自动执行）； 2. 指标之间的相关性判定； 3. 确定主成分个数m； 4. 主成分Fi表达式； 5. 主成分Fi命名； 选用以上两种方法时的注意事项如下： 1、因子分析中是把变量表示成各因子的线性组合,而主成分分析中则是把主成分表示成个变量的线性组合. 2、主成分分析的重点在于解释个变量的总方差,而因子分析则把重点放在解释各变量之间的协方差. 3、主成分分析中不需要有假设(assumptions),因子分析则需要一些假设.因子分析的假设包括：各个共同因子之间不相关,特殊因子（specific factor）之间也不相关,共同因子和特殊因子之间也不相关. 4、主成分分析中,当给定的协方差矩阵或者相关矩阵的特征值是唯一的时候,的主成分一般是独特的；而因子分析中因子不是独特的,可以旋转得到不同的因子. 5、在因子分析中,因子个数需要分析者指定（spss根据一定的条件自动设定,只要是特征值大于1的因子进入分析）,而指定的因子数量不同而结果不同.在主成分分析中,成分的数量是一定的,一般有几个变量就有几个主成分.和主成分分析相比,由于因子分析可以使用旋转技术帮助解释因子,在解释方面更加有优势.大致说来,当需要寻找潜在的因子,并对这些因子进行解释的时候,更加倾向于使用因子分析,并且借助旋转技术帮助更好解释.而如果想把现有的变量变成少数几个新的变量（新的变量几乎带有原来所有变量的信息）来进入后续的分析,则可以使用主成分分析.当然,这中情况也可以使用因子得分做到.所以这中区分不是绝对的. 总得来说,主成分分析主要是作为一种探索性的技术,在分析者进行多元数据分析之前,用主成分分析来分析数据,让自己对数据有一个大致的了解是非常重要的.主成分分析一般很少单独使用：a,了解数据.(screening the data),b,和cluster analysis一起使用,c,和判别分析一起使用,比如当变量很多,个案数不多,直接使用判别分析可能无解,这时候可以使用主成份发对变量简化.（reduce dimensionality）d,在多元回归中,主成分分析可以帮助判断是否存在共线性（条件指数）,还可以用来处理共线性. 在算法上,主成分分析和因子分析很类似,不过,在因子分析中所采用的协方差矩阵的对角元素不在是变量的方差,而是和变量对应的共同度（变量方差中被各因子所解释的部分）. (1)了解如何通过SPSS因子分析得出主成分分析结果.首先,选择SPSS中Analyze－Data Reduction－Factor…,在Extraction…对话框中选择主成分方法提取因子,选择好因子提取个数标准后点确定完成因子分析.打开输出结果窗口后找到Total Variance Explained表和Component Matrix表.将Component Matrix表中第一列数据分别除以Total Variance Explained表中第一特征根值的开方得到第一主成分表达式系数,用类似方法得到其它主成分表达式.打开数据窗口,点击菜单项的Analyze－Descriptive Statistics－Descriptives…,在打开的新窗口下方构选Save standardized values as variables,选定左边要分析的变量.点击Options,只构选Means,点确定后既得待分析变量的标准化新变量. 选择菜单项Transform－Compute…,在Target Variable中输入：Z1（主成分变量名,可以自己定义）,在Numeric Expression中输入例如：0.412（刚才主成分表达式中的系数）*Z人口数（标准化过的新变量名）+0.212*Z第一产业产值+…,点确定即得到主成分得分.通过对主成分得分的排序即可进行各个个案的综合评价.很显然,这里的过程分为四个步骤： Ⅰ.选主成分方法提取因子进行因子分析. Ⅱ.计算主成分表达式系数. Ⅲ.标准化数据. Ⅳ.计算主成分得分. 我们的程序也将依该思路开发. （2）对为何要将Component Matrix表数据除以特征根开方的解释 我们学过主成分分析和因子分析后不难发现,原来因子分析时的因子载荷矩阵就是主成分分析特征向量矩阵乘以对应特征根开方值的对角阵.而Component Matrix表输出的恰是因子载荷矩阵,所以求主成分特征向量自然是上面描述的逆运算. 成功启动程序后选定分析变量和主成分提取方法即可在数据窗口输出得分和在OUTPUT窗口输出主成分表达式. 3,聚类分析(Cluster Analysis) 聚类分析是直接比较各事物之间的性质,将性质相近的归为一类,将性质差别较大的归入不同的类的分析技术 . 在市场研究领域,聚类分析主要应用方面是帮助我们寻找目标消费群体,运用这项研究技术,我们可以划分出产品的细分市场,并且可以描述出各细分市场的人群特征,以便于客户可以有针对性的对目标消费群体施加影响,合理地开展工作. 4.判别分析(Discriminatory Analysis) 判别分析(Discriminatory Analysis)的任务是根据已掌握的1批分类明确的样品,建立较好的判别函数,使产生错判的事例最少,进而对给定的1个新样品,判断它来自哪个总体.根据资料的性质,分为定性资料的判别分析和定量资料的判别分析；采用不同的判别准则,又有费歇、贝叶斯、距离等判别方法. 费歇（FISHER）判别思想是投影,使多维问题简化为一维问题来处理.选择一个适当的投影轴,使所有的样品点都投影到这个轴上得到一个投影值.对这个投影轴的方向的要求是：使每一类内的投影值所形成的类内离差尽可能小,而不同类间的投影值所形成的类间离差尽可能大.贝叶斯（BAYES）判别思想是根据先验概率求出后验概率,并依据后验概率分布作出统计推断.所谓先验概率,就是用概率来描述人们事先对所研究的对象的认识的程度；所谓后验概率,就是根据具体资料、先验概率、特定的判别规则所计算出来的概率.它是对先验概率修正后的结果. 距离判别思想是根据各样品与各母体之间的距离远近作出判别.即根据资料建立关于各母体的距离判别函数式,将各样品数据逐一代入计算,得出各样品与各母体之间的距离值,判样品属于距离值最小的那个母体. 5.对应分析(Correspondence Analysis) 对应分析是一种用来研究变量与变量之间联系紧密程度的研究技术. 运用这种研究技术,我们可以获取有关消费者对产品品牌定位方面的图形,从而帮助您及时调整营销策略,以便使产品品牌在消费者中能树立起正确的形象. 这种研究技术还可以用于检验广告或市场推广活动的效果,我们可以通过对比广告播出前或市场推广活动前与广告播出后或市场推广活动后消费者对产品的不同认知图来看出广告或市场推广活动是否成功的向消费者传达了需要传达的信息.

在贸易统计中, 对于限额以下批零餐饮企业普遍采用抽样调查方法进行解决。然而，由于当前市场经济情况的多样性，经济发展的不均衡性，以及地域宽广性，导致情况多种多样；实际情况的复杂，决定了方案的复杂性，增加了具体抽样的难度。经过多年的探讨，区域二相抽样调查比较符合当前我国的实际情况，我们在这里根据试点所掌握的情况针对采用区域二相抽样调查的贸易抽样方案中如何确定样本量进行分析。 　　一、样本单位数量的确定原则 　　一般情况下，确定样本量需要考虑调查的目的、性质和精度要求。以及实际操作的可行性、经费承受能力等。根据调查经验，市场潜力和推断等涉及量比较严格的调查需要的样本量比较大，而一般广告效果等人们差异不是很大或对样本量要求不是很严格的调查，样本量相对可以少一些。实际上确定样本量大小是比较复杂的问题，即要有定性的考虑，也要有定量的考虑；从定性的方面考虑，决策的重要性、调研的性质、数据分析的性质、资源、抽样方法等都决定样本量的大小。但是这只能原则上确定样本量大小。具体确定样本量还需要从定量的角度考虑。 从定量的方面考虑,有具体的统计学公式,不同的抽样方法有不同的公式。归纳起来，样本量的大小主要取决于： (1)研究对象的变化程度，即变异程度； (2)要求和允许的误差大小，即精度要求； (3)要求推断的置信度，一般情况下，置信度取为95%； (4)总体的大小； (5)抽样的方法。 　　也就是说,研究的问题越复杂,差异越大时,样本量要求越大；要求的精度越高,可推断性要求越高时,样本量也越大；同时,总体越大,样本量也相对要大,但是,增大呈现出一定对数特征,而不是线形关系；而抽样方法问题,决定设计效应的值,如果我们设定简单随机抽样设计效应的值是1；分层抽样由于抽样效率高于简单随机抽样，其设计效应的值小于1,合适恰当的分层，将使层内样本差异变小，层内差异越小，设计效应小于1的幅度越大；多阶抽样由于效率低于简单随机抽样，设计效应的值大于1,所以抽样调查方法的复杂程度决定其样本量大小。对于不同城市,如果总体不知道或很大,需要进行推断时,大城市多抽,小城市少抽,这种说法原则上是不对的。实际上,在大城市抽样太大是浪费,在小城市抽样太少没有推断价值。 　　二、样本量的确定方法 　　如何确定样本量,基本方法很多,但是公式检验表明,当误差和置信区间一定时,不同的样本量计算公式计算出来的样本量是十分相近的,所以,我们完全可以使用简单随机抽样计算样本量的公式去近似估计其他抽样方法的样本量,这样可以更加快捷方便，然后将样本量根据一定方法分配到各个子域中去。所以，区域二相抽样不能计算样本量的说法是不科学的。 　　1．简单随机抽样确定样本量主要有两种类型: 　　（1）对于平均数类型的变量 　　对于已知数据为绝对数,我们一般根据下列步骤来计算所需要的样本量。已知期望调查结果的精度(E), 期望调查结果的置信度(L),以及总体的标准差估计值σ的具体数据，总体单位数N。 计算公式为:n=σ2/(e2/Z2+σ2/N) 特殊情况下,如果是很大总体,计算公式变为:n= Z2σ2/e2 例如希望平均收入的误差在正负人民币30元之间,调查结果在95%的置信范围以内,其95%的置信度要求Z的统计量为1.96。根据估计总体的标准差为150元,总体单位数为1000。 样本量:n=150*150/(30*30/(1.96*1.96))+150*150/1000)=88 (2)于百分比类型的变量 对于已知数据为百分比,一般根据下列步骤计算样本量。已知调查结果的精度值百分比(E),以及置信度(L),比例估计(P)的精度,即样本变异程度，总体数为N。 则计算公式为:n=P(1-P)/(e2/Z2+ P(1-P)/N) 同样,特殊情况下如果不考虑总体,公式为:n= Z2P(1-P)/e2 一般情况下,我们不知道P的取值,取其样本变异程度最大时的值为0.5。 例如:希望平均收入的误差在正负0.05之间,调查结果在95%的置信范围以内,其95%的置信度要求Z的统计量为1.96，估计P为0.5,总体单位数为1000。样本量为:n=0.5*0.5/(0.05*0.05/(1.96*1.96)+0.5*0.5/1000)=278 2.样本量分配方法 　　以上分析我们获得了采用简单随机抽样公式计算得到的样本量，总的样本量需要在此基础上乘以设计效应的值得到。由于样本总量已经确定,我们采用总样本量固定方法分配样本,这种方法包括按照比例分配和不按照比例分配两类。实际工作中首先计算取得区县总的样本量,然后逐级将其分配到各阶分层中,如果不清楚各阶分层的规模和方差等,一般采取比例分配或者比例平方根分配法。如果有一定辅助变量可以使用，可以采用按照规模分配法分配样本量。 　　3.样本量和总体大小的关系: 　　在其它条件一定的情况下，即误差、置信度、抽样比率一定，样本量随总体的大小而变化。但是，总体越大，其变化越不明显；总体较小时，变化明显。其变化趋势如下： 　　二者之间的变化并非是线性关系。所以，样本量并不是越大越好，应该综合考虑，实际工作中只要达到要求就可以了。 　　三、贸易抽样调查方案样本量的确定 　　根据以上的分析,我们可以确定具体的样本量。当前使用的贸易抽样新方案采用多阶分层区域二相抽样方法、以零售额为核心指标抽取样本。方案规定，县区以下阶分为乡、镇、街道层，乡镇街道一般根据繁华、非繁华分层，层内采用PPS抽样完成对乡镇街道的抽取；乡镇街道以下阶分为居委会、村委会、市场内层，居委会、村委会根据繁华、非繁华分层，层内采用简单随机抽样完成对居委会村委会的抽取，市场内层抽样根据方案完成；最后一阶首先根据规模、类别分层，层内采用简单随机抽样完成对居委会具体样本的抽取。其中，确定居委会具体样本的方法和数量比较模糊,需要基层做很多工作，给基层造成了一定的混乱，增加了很大的负担。 　　我们决定首先采取简单随机抽样的方法计算区县的样本量，之所以首先对区县计算样本量,主要是考虑，虽然我们方案中没有要求对区县的估计量，但是区县一级是我们做计划和决策的基础，具有承上启下的作用，如果区县级获得的估计量精度比较高，就可以保证上一级的估计量具有更高的精度，而且各个区县的样本量可以认为是相同的，这主要是因为各个区县的总体数都比较多，而且我们也不清楚；同时也不可能事先进行区县方差估计。没有首先计算区县以下各阶分层的样本量,主要是考虑: 　　（1）如果计算区县以下某阶分层的样本量,然后再将计算的样本量合并,将显著增加样本量，增加基层的负担。 　　（2）事实上,对于计算阶可以比较好的得到它的估计量,但我们现在不需要得到区县以下各阶分层的估计量,我们仅仅需要区县的估计量,没有必要计算区县以下阶样本量。 　　（3）我们直接对整个区县以简单随机抽样进行抽取,然后将其样本量合理分配到各阶分层中,这样可以使用较少样本量得到区县较好的估计量。 　　以下我们以试点地区批零业为对象进行研究。由于没有误差限以及置信度和抽样比率的值。我们可以采用常用参数:设定区县总体为很大,置信度是95%,抽样比率保守估计是0.5,抽样误差不能大于15%,根据公式计算得到样本量为43个。由于采取多阶分层抽样,我们如何设定抽样设计效应呢?区县及以下是三阶分层抽样,只要在各阶进行合适的分层，其设计效应应该在2-3之间,我们在这里取保守值3,那么得到本区县样本量是129个,这个样本量就可以根据新方案得到区县要求误差内的估计值。 　　1.确定办事处、居委会、村委会样本量 　　根据方案,每个居委会抽取样本5-10个,那么这个样本量是否可行呢?这里涉及如何将区县样本分配到街道和居委会中去，根据方案要求，街道抽取采取先分层，后对层内进行PPS抽样；那么分配样本是否也采取同样方法呢？主要看辅助变量与样本量之间的关联程度，方案中提供了两个辅助变量：人口数和个体数，对于辅助变量是个体数的完全可以使用规模分配方法分配样本量，个体数多的分配较多的样本量；对于辅助变量是人口数的如果采取规模分配方法，由于人口数与一个地区的个体单位数没有必然的联系，可能导致某些居委会的个体数比较多，却分配了较少的样本量，使得居委会分层变的困难，同时使居委会方差显著增大。而获得较多样本量的居委会，分层的效果和方差提高幅度有限，故采用比例分配的方法可能更加合适一些。对于居委会村委会的抽取，由于本阶可能存在市场内的抽样，分配复杂一些；如果本阶有市场内抽样，可以适当减少居委会村委会的样本量，但应该大于本阶样本量的80%，由于市场内抽样的特殊性，建议将本阶样本量全部分配给居委会村委会，我们所进行的试点就是将样本全部分配给居委会；至于市场内抽样的具体实施，可以根据方案操作完成。对居委会村委会层内，由于使用简单随机抽样完成，采用比例分配平均分配就可。 　　在实际工作时,由于一个区县包括全部乡镇街道或其中的一个；根据方案，区县抽取办事处的数量应该介于12-4个之间,对应于抽中乡、镇、街道的全部或其中一个，那么其每一个乡镇街道采取比例分配平均分配的样本量应该是11-32个之间；所抽中的居委会、村委会数量应该介于16-48个之间,如果个别乡镇街道抽中的居委会是2个,则其居委会总数相应减少一些；最后,每个居委会、村委会的样本量应该介于3-16个之间,大部分介于5-10之间。以上的讨论没有考虑总体的大小,如果考虑到居委会、村委会的总体有限,则每个居委会村委会的样本量可以减少一些,具体可以采用以下公式得到具体样本量的调整数: 　　样本量n=n1*N/(N+n1)。N是本地区总体，n1 是给本地区分配样本量 　　居委会样本量的调整数，应该作为本居委会样本量的底限。 　　确定办事处、居委会村委会的样本量,与以下几点有关: 　　a)估计量的误差、置信度，可以决定简单随机抽样的样本量 　　b)与采用的抽样方法有关系,它决定了设计效应的大小。例如:分层抽样的设计效应值小于1,多阶抽样的设计效应值大于1。可以决定整个抽样的样本量。 　　c)与每一阶的分层的数目有关系,所以,应该重点考虑分层的问题,分层太多,没有必要；分层太少,导致层内的方差增大,可能影响估计值的精度以及设计效应的值,所以，在每阶分层时,应该合理考虑,使得样本的变异程度在层内达到一个合理水平。 　　根据以上原则，我们在包头的抽样试点共抽取4个办事处,包括14个居委会；一个乡,包括4个村委会,经过清查共有批零业1042个,单位70个；餐饮业250个,单位3个。由于我们使用人口数作为辅助变量，应该采用比例分配方法平均分配样本量，这样每个街道办事处得到26个样本, 对于抽取4个居委会的办事处,每个居委会分配得到7个样本；对于抽取2个居委会的办事处,每个居委会分配到13个样本。然后根据居委会总体对样本量做出调整，得到居委会实际样本量。 　　2.确定居委会村委会内分层样本量 　　以上我们讨论如何分配给乡镇居委会村委会样本量,现在分析给居委会村委会以下各层分配样本量,这一步,清查的工作就显得非常重要了,重点应该清查规模、类别,首先是规模，规模的大小不应该根据工商注册为单位或个体决定，应该根据实际情况，即使是个体，如果规模较大，也应该归入大规模分层中，这样就可以使得每层的样本变异程度显著降低，从而提高精确度。根据实际情况可以包括两种： 　　（1）如果全部是规模比较小的单位个体户，我们可以根据类别进行适当的分组，将某一类单位比较多的单独分层；将另外类别比较少的，可以几类合并进行抽取具体样本，分层不要多于4层，并保证每层的样本量不小于2个。由于居委会样本量数目已经确定，我们可以直接采取比例分配方法，确定各层样本量。 　　（2）如果规模比较大的和规模小的并存，可以将规模比较大的单独分层，不用考虑其中的类别；将规模较小的主要是个体户可以根据类别进行分层；其中的难题是如何将样本量在规模大的和规模小的之间分配，因为大规模层内样本变异程度有可能很大，应该抽取较多的样本量，经过测试，如果大规模层总体小于等于5，应该对其进行全面调查；如果大于5个，可以采用以下的公式计算得到： n=0.25/(e2/t2+ 0.25/N)，其中：e=30%,t=2.1,N为规模较大的数目。 　　其他规模较小的，使用比例分配法分配其他的样本，实际分层时，最好不要超过4层，保证每层不少于2个，由于大规模层的存在，可能占去了较多的样本量，导致其它层不够分配，这种情况下，可考虑增加层内一定样本量。 　　经过以上的分析、计算可以得到居委会村委会的样本数量。 　　总结: 　　由于情况的多样性，各地在具体实施方案时可能有所不同，有的分层少一些，有的多一些，但是计算的方法和原则是相同的，各地应该在保证抽样精度的前提下，得到合适的样本量，同时加大对于样本点的管理。下表是我们试点地区抽中居委会的清查数目，以及实际抽中的样本量，与调整数比较，在18个居委会中，16个居委会认为适合要求，2个居委会样本量数目有一些偏少，主要是由于对居委会规模较大的层，没有达到抽取要求；表五、六、七列是大规模层的总体数和应该分配的样本量，在试点中个别地区没有达到要求。这提示我们，应该非常重视各阶的清查工作，提前计算得到得到合适的样本量。在认真清查以后，根据清查结果，对办事处、居委会进行合理的分层,以规定的方法抽取适当的办事处和居委会；同时应该将重点放在对居委会内单位的清查上，将规模大的单位放在一层,其他个体可以根据类别进行合适分层抽样，及时计算得到各层的样本量。 　　我们以上的分析计算，均取比较保守的参数，实际上，样本的变异程度即P的值没有达到0.5；同时由于我们在各阶采取了合理的分层，保证了设计效应的值应该小于3，所以对于县区的估计值完全可以达到误差要求。

假定MLR.4（条件均值为零）伍德里奇的计量经济学导论里有讲，漏掉一个与x1,x2,……，xk中任何一个自变量相关的重要因素，也能假定MLR.4不成立。这句话是建立在他认为与简单回归分析相比，多元回归分析中出现漏掉变量的 可能性小很多的基础上的，所以没说漏掉变量，而是说的漏掉重要因素。遗漏重要变量，一是只影响被解释变量，而不影响解释变量；二是同时影响被解释变量和解释变量；三是只影响解释变量，而不影响被解释变量，在计量上没有内生性。第一种情况，会使得u中包含该变量使得E(u)不为0；第三种情况是由于遗漏变量和解释变量相关，所以u的均值在给定自变量任何值的情况下不会一直为0；第二种情况就是以上都有。

【答案】：C总体参数是对总体特征的某个概括性的度量。一般来说我们不能观察到总体数据，因此总体参数通常是一个未知量。

参数估计包括点值估计和区间估计。点值估计：直接用样本统计量去估计总体参数。总体均数的点值估计就是直接用样本均数去估计总体均数（就是把样本均数看作是总体均数）。缺点：没有考虑到抽样误差。区间估计：结合样本统计量和标准误可以确定一个具有较大概率（可信度）的包含总体参数的区间，该区间称为总体参数的1——α可信区间（置信区间）。预先给定的概率称为可信度，用1——α表示，常用的可信度为95％或99％。如没有特别说明，一般取双侧95％。参数估计是在样本统计量概率分布的基础上，利用样本的信息推断所关心的总体参数的过程。基于样本统计量的概率分布：如前所述，样本统计量是一个随机变量，有其自身的概率分布、期望、方差等。在分析一个样本集时，需要基于此统计学知识；利用样本的信息：样本是我们唯一有的数据，一切的统计基于样本数据；推断所关心的总体参数是目的。比如，利用样本的均值推断总体的均值，利用样本的方差推断总体的方差。PS1：利用样本的均值作为总体均值的估计，是直观且不需要解释的。样本统计量（此处指均值）的概率分布，是为这个估计提供置信度等信息的。PS2：利用样本均值去估计总体均值时，总体均值是一个待被估计的总体参数，可以用 heta 表示。样本均值叫做估计量，用hat{ heta } 表示，是一个统计量；实际采集了一个样本算出了其平均值，这叫一个估计值。

用的时间最多，几乎每个考数学的人都会把大把的时间花在数学上

参数估计的两种形式：点估计和区间估计 点估计问题 ：设总体X的分布形式已知，但它的 一个或多个参数未知 ，借助于总体X的 一个样本 来估计总体 未知参数值 的问题称为参数的点估计问题。 构造统计量 常用的方法有两种：矩估计法和极大似然估计法。 矩估计 的思想就是 替换思想 ：用样本原点矩替换总体原点矩。 定理 ：均值、方差、标准差的矩估计结果 矩估计是一种经典的估计方法，比较直观，计算简单。不需要知道总体分布类型就可以估计，实际应用广泛。 极大似然估计是求总体未知参数的另一种常用的点估计方法。 理解极大似然估计基本思想的例子：对未知参数p的极大似然推断，在p的所有备选取值假定下，比较样本发生的概率大小，使 概率最大 的p的取值即为p的极大似然估计。 似然函数 ： 似然函数 与 极大似然 的定义： 当 是可微函数时，求导是求极大似然估计最常用的方法。而此时又因 与 在同一个 处取到极值，且对对数似然函数求导更简单。故常用以下对数似然方程（组）： 正态分布的极大似然估计 ： 直接观察法 ：不好求导，直接看出来。 求解总体未知参数 的极大似然估计的一般步骤： 评判一个估计量的好坏不能一概而论，即一个估计量的优劣不是绝对的，而是基于某一评判标准而言相对的评价结论。 下文中介绍三种常用的评判标准：无偏性、有效性和相合性。 无偏估计 和 有偏估计 以及 渐近无偏估计 的定义： 定理1 样本方差是无偏估计的。 一个位置参数的无偏估计可以有很多，如何在无偏估计中再进行选择？由于无偏估计的标准差是平均偏差为0，所以一个自然的想法就是每一次估计与真值的偏差波动越小越好。偏差波动大小可以用方差来衡量。因此用无偏估计的方差大小作为进一步衡量无偏估计优劣的标准。 有效性 的定义： 点估计是样本的函数，故点估计仍然是一个随机变量，在样本量一定的条件下，不可能要求它完全等同于未知参数的真值。但如果随着样本量不断增大，它能越来越接近真值。控制在真值附近的强度（概率）越来越大，那么这就是一个好的估计，这一性质称为相合性。 相合性 定义： 样本均值 是总体 的相合估计，样本方差 和 都是 的想和估计量。事实上，根据大数定律，矩估计一般都具有相合性。 参数的点估计是用样本观测值算出一个值取估计位置参数。但事实上，指数的真值可能偏差较大，若能给出一个估计区间，让我们有较大把握相信真值被含在这个区间内，这样估计就显得更有使用价值，也更为可信，因为我们把可能出现的偏差也考虑在内了。 对 置信水平 的直观解释： 单侧置信区间，置信上限（下限）： 在双侧置信区间求解时，常使得左右两个尾部的概率各为 的方法来选择a和b。这样得到的置信区间称为等尾置信区间。 首先， 是 的无偏估计。 (1) 当 已知时， 的置信区间 (2) 当 未知时， 的置信区间 关于单正态总体中均值 和方差 的双侧置信水平为 的置信区间可汇总如下表： (1) 当 已知时， 的置信区间 (2) 当 时， 的置信区间 (1) 当 已知时， 的置信区间 (2) 当 未知时， 的置信区间

参数估计的一种形式。目的是依据样本X=(X1,X2，…，Xn）估计总体分布所含的未知参数θ或θ的函数g(θ）。一般θ或g(θ）是总体的某个特征值，如数学期望、方差、相关系数（见相关分析）等。θ或g(θ）通常取实数或k维实向量为值。点估计问题就是要构造一个只依赖于样本X的量抭（X），作为g(θ）的估计值。抭（X）称为g(θ）的估计量。因为k维实向量可表为k维欧几里得空间的一个点，故称这样的估计为点估计。例如，设一批产品的废品率为θ，为估计θ，从这批产品中随机地抽出n个作检查，以X记其中的废品个数，用X/n估计θ，就是一个点估计。又如用样本方差（见统计量）估计总体分布的方差，或用样本相关系数估计总体分布的相关系数，都是常见的点估计。

点估计是依据样本估计总体分布中所含的未知参数或未知参数的函数。通常它们是总体的某个特征值，如数学期望、方差和相关系数等。点估计问题就是要构造一个只依赖于样本的量，作为未知参数或未知参数的函数的估计值。例如，设一批产品的废品率为θ。为估计θ，从这批产品中随机地抽出n个作检查，以X记其中的废品个数，用X/n估计θ，这就是一个点估计。构造点估计常用的方法是：①矩估计法。用样本矩估计总体矩，如用样本均值估计总体均值。②最大似然估计法。于1912年由英国统计学家R.A.费希尔提出，利用样本分布密度构造似然函数来求出参数的最大似然估计。③最小二乘法。主要用于线性统计模型中的参数估计问题。④贝叶斯估计法。基于贝叶斯学派（见贝叶斯统计）的观点而提出的估计法。可以用来估计未知参数的估计量很多，于是产生了怎样选择一个优良估计量的问题。首先必须对优良性定出准则，这种准则是不唯一的，可以根据实际问题和理论研究的方便进行选择。优良性准则有两大类：一类是小样本准则，即在样本大小固定时的优良性准则；另一类是大样本准则，即在样本大小趋于无穷时的优良性准则。最重要的小样本优良性准则是无偏性及与此相关的一致最小方差无偏估计，其次有容许性准则，最小化最大准则，最优同变准则等。大样本优良性准则有相合性、最优渐近正态估计和渐近有效估计等。

因为辛钦大数定律说明样本矩以概率1收敛于总体矩，所以当样本容量很大时，这两个可以认为相等

对于同一估计量使用不同的评价标准可能会得到完全不同的结论,因此,在评价某一个估计好坏时,首先要说明的是在哪一个标准下,否则,所论好坏则毫无意义.下面给出几个常用的评价准则．我们知道,点估计是一个统计量,因此它是一个随机变量,在样本一定的条件下,我们不可能要求它完全等同于参数的真实取值.但如果我们有足够的观测值,根据格里纹科定理,随着样本量的不断增大,经验分布函数逼近真实分布函数,因此完全可以要求估计量随着样本量的不断增大而逼近参数真值,这就是相合性,若对于任意的估计量为参数由辛钦大数定律知样本的相合估计量相合性被认为是对估计的一个最基本要求,如果一个估计量,在样本量不断增大时,它都不能把被估参数估计到任意指定的精度,那么这个估计是很值得怀疑的.通常,不满足相合性要求的估计一般不予考虑.证明估计的相合性一般可应用大数定律或直接由定义来证.函数为连续其中进而若待估参数的相合估计证明对任意的ε>0,由切比雪夫不等式有充分大时有注意到此时如果就有等价地由此即有定理得证.设总体其中是未知参数为取自该总体的样本,为样本均值证明是参数的相合估计的最大似然估计它是相合估计吗1227证明总体从而于是,由定理可得是参数的相合估计的似然函数为显然的取值范围为因而的最大似然估计为的均值与方差。