小域估计抽样理论问题研究 |
论文目录 | | 摘要 | 第1-4页 | ABSTRACT | 第4-7页 | 目录 | 第7-10页 | 表索引 | 第10-11页 | 图索引 | 第11-12页 | 第1章 绪论 | 第12-21页 | · 研究背景及意义 | 第12-15页 | · 研究方法 | 第15-16页 | · 研究内容与结构安排 | 第16-19页 | · 主要内容 | 第16-18页 | · 技术路径 | 第18-19页 | · 创新特色 | 第19-21页 | · 本文的主要创新 | 第19页 | · 本文存在的不足 | 第19-21页 | 第2章 小域估计抽样理论综述 | 第21-31页 | · 抽样调查的理论综述 | 第21-25页 | · 小域估计抽样理论综述 | 第25-31页 | 第3章 小域估计抽样设计方法 | 第31-54页 | · 引言 | 第31页 | · 多层级推断需求与域估计 | 第31-33页 | · 域的定义和小域估计方法 | 第33-36页 | · 小域估计抽样设计 | 第36-49页 | · 抽样设计的基本改进方式 | 第36-38页 | · 整群抽样问题 | 第36-37页 | · 层的细分 | 第37-38页 | · 调查数据的整合 | 第38页 | · 事后分层技术 | 第38-40页 | · 层层抽样技术 | 第40-42页 | · ABC三级一套样本法 | 第42-43页 | · 样本追加策略 | 第43-45页 | · 折衷分配样本 | 第45-47页 | · 复合抽样框技术 | 第47-48页 | · 重复抽样技术 | 第48-49页 | · 小域估计抽样设计的比较 | 第49-52页 | · 小域估计抽样设计的分类 | 第49-51页 | · 小域估计抽样设计的比较 | 第51-52页 | · 小域估计抽样设计存在的主要问题 | 第52-53页 | · 本章小结 | 第53-54页 | 第4章 基于设计的小域估计方法 | 第54-107页 | · 引言 | 第54页 | · 基于设计的估计方法与辅助信息 | 第54-62页 | · 基于设计的估计方法概况 | 第54-56页 | · 辅助信息 | 第56-62页 | · 相关知识准备及记号 | 第62-67页 | · 现行的各种基于设计的估计方法 | 第67-87页 | · HORVITZ-THOPMPSON估计量 | 第68-71页 | · LIN-GREG估计量 | 第71-77页 | · LOG-GREG估计量 | 第77-81页 | · CAL估计量 | 第81-84页 | · G-CAL估计量 | 第84-86页 | · 现行各种估计量的比较 | 第86-87页 | · 基于设计的各类估计量的模拟分析 | 第87-99页 | · 方差的线性化变换 | 第87-91页 | · 估计方法的模拟分析 | 第91-98页 | · 各类估计量的模拟结果 | 第98-99页 | · 本章小结 | 第99-107页 | 第5章 基于模型的小域估计法 | 第107-149页 | · 引言 | 第107-108页 | · 基于模型的估计方法 | 第108-111页 | · 基于模型的估计方法概述 | 第108-110页 | · 与基于设计的估计方法的区别 | 第110-111页 | · 隐式模型 | 第111-117页 | · 合成估计量 | 第111-114页 | · 组合估计量 | 第114-117页 | · 显式模型 | 第117-121页 | · 小域层次模型 | 第118-120页 | · 单元层次模型 | 第120-121页 | · 混合模型 | 第121-131页 | · 混合模型的基本形式 | 第121-124页 | · 混合模型的参数估计方法 | 第124-131页 | · 经验最优线性无偏估计法 | 第124-126页 | · 经验贝叶斯法 | 第126-129页 | · 等级贝叶斯法 | 第129-131页 | · 基于双水平模型的CAL估计量 | 第131-145页 | · 双水平小域估计模型 | 第132-133页 | · 双水平模型的CAL估计量公式的构建 | 第133-134页 | · 2L-CAL估计量的均方误差 | 第134-138页 | · 2L-CAL估计方法的模拟分析 | 第138-145页 | · 模拟总体的生成 | 第138-142页 | · 精度的衡量 | 第142-143页 | · 各类估计量的模拟结果 | 第143-145页 | · 本章小结 | 第145-149页 | 第6章 基于模型的小域加权估计方法 | 第149-180页 | · 引言 | 第149-150页 | · 基于模型的加权估计方法的一般理论 | 第150-157页 | · 基于间接模型的加权 | 第150-154页 | · 比率模型 | 第151-153页 | · 平均比率模型 | 第153-154页 | · 基于直接模型的加权 | 第154-157页 | · 基于模型的加权估计方法 | 第157-159页 | · 基于蜂房模型的加权估计方法 | 第159-175页 | · 蜂房总体抽样调查介绍 | 第159-160页 | · 蜂房模型的构建 | 第160-162页 | · 基于蜂房模型的加权估计量 | 第162-166页 | · MSE的近似 | 第166-169页 | · MSE(μ_(d_l,hive-wgt))的近似 | 第166-168页 | · MSE(μ_(d,hive-wgt))的近似 | 第168-169页 | · HIVE-WGT估计方法的模拟分析 | 第169-173页 | · 模拟总体的生成 | 第169-172页 | · 精度的衡量 | 第172-173页 | · 各类估计量的模拟结果 | 第173-175页 | · 本章小结 | 第175-180页 | 第7章 总结与展望 | 第180-183页 | · 本文所做的主要工作 | 第180-181页 | · 有待于进一步研究的问题 | 第181-182页 | · 研究展望 | 第182-183页 | 参考文献 | 第183-195页 | 攻读博士期间的主要研究成果 | 第195-196页 | 后记 | 第196-197页 |
|
|
|