特定抽樣下有效樣本量的性質(zhì)研究

艾小青

（北京工業(yè)大學(xué)a.經(jīng)管學(xué)院；b.首都社會(huì)建設(shè)與社會(huì)管理協(xié)同創(chuàng)新中心，北京 100124）

特定抽樣下有效樣本量的性質(zhì)研究

艾小青a,b

（北京工業(yè)大學(xué)a.經(jīng)管學(xué)院；b.首都社會(huì)建設(shè)與社會(huì)管理協(xié)同創(chuàng)新中心，北京 100124）

常見的放回抽樣等方法操作比較簡(jiǎn)單，但缺點(diǎn)是有效樣本量是不確定的，而是取決于抽樣的隨機(jī)結(jié)果。文章對(duì)PPS抽樣和泊松抽樣下有效樣本量的性質(zhì)進(jìn)行了研究，通過數(shù)理推導(dǎo)和統(tǒng)計(jì)模擬揭示了有效樣本量的分布特征，給出了特定條件有效樣本量的置信區(qū)間。

有效樣本量；PPS抽樣；泊松抽樣

0 引言

很多抽樣方法都存在有效樣本量不能事先確定的問題，最終的有效樣本量往往取決于抽樣的結(jié)果，所以是隨機(jī)的[1]。比如群規(guī)模不相等時(shí)的整群抽樣，當(dāng)抽出群的規(guī)模較大時(shí)，最終樣本單元就多，反之就少；比如各種放回抽樣，在依次抽取時(shí)都將已抽出的樣本單元放回抽樣總體再重新抽取，導(dǎo)致有些單元可能會(huì)重復(fù)抽到，抽出的有效樣本量小于等于抽取的次數(shù)。

PPS抽樣和泊松抽樣是現(xiàn)實(shí)中兩種應(yīng)用較多的抽樣方法，它們都存在有效樣本量非確定性的問題[2]，但少有文獻(xiàn)深入研究其有效樣本量的具體性質(zhì)到底是怎樣的[3]，本文將對(duì)此問題進(jìn)行深入探討，通過數(shù)理推導(dǎo)和統(tǒng)計(jì)模擬揭示有效樣本量的分布特征。對(duì)有效樣本量性質(zhì)的準(zhǔn)確把握，能夠更好地指導(dǎo)實(shí)際的抽樣設(shè)計(jì)。

1 理論基礎(chǔ)

有限總體包含N個(gè)單元，單元變量取值分別為Y1，Y2，…，YN，總體總量為

任何概率抽樣的關(guān)鍵是了解總體單元的入樣概率。一階入樣概率πi表示單元i被抽出的概率；二階入樣概率πij表示不同兩個(gè)單元i和 j都被抽出的概率。

定義一階示性函數(shù)：

二階示性函數(shù)：

單元i在最終的樣本中則一階示性函數(shù)取值為1，否則為0。因?yàn)榭傮w單元中抽出了n個(gè)有效樣本單元，意味著必有n個(gè)單元的一階示性函數(shù)值為1，所以，有效樣本量與一階示性函數(shù)值的關(guān)系是：

示性函數(shù)具有如下性質(zhì)：

有效樣本量n的期望即總體所有單元的入樣概率之和：

有效樣本量n的方差為：

2 PPS抽樣下有效樣本量的性質(zhì)

設(shè)存在一個(gè)規(guī)模輔助變量，總體N個(gè)單元的規(guī)模分別為X1，X2，…，XN，總體規(guī)?？偭繛閱卧猧的規(guī)模比重為Pi=Xi/X。

以規(guī)模變量作為輔助信息，進(jìn)行PPS抽樣：設(shè)樣本量為T，即獨(dú)立重復(fù)進(jìn)行T次放回抽取，每次抽取時(shí)單元i被抽到的概率都為Pi。單元i的一階入樣概率為：

單元i，j(i≠j)的二階入樣概率：

特別注意的是，這里的樣本量T，實(shí)質(zhì)是抽取的次數(shù)，而實(shí)際抽出的有效樣本量n必然小于等于T，因?yàn)樵诜呕爻槿∠掠行﹩卧獣?huì)重復(fù)抽到。

根據(jù)式（9）和式（10），有效樣本量n的期望和方差為：

當(dāng)總體單元數(shù)N較大且各單元的規(guī)模比重都接近為0時(shí)，單元被重復(fù)抽到的概率很小，有效樣本量n的期望值接近T。

n的理論取值范圍為1到T之間，P(n)，n≤T表示T次抽取后，有效樣本量為n的概率，其概率分布比較復(fù)雜，根據(jù)全概率公式，其理論表達(dá)式為：

當(dāng)N較大于T且總體單元沒有規(guī)模比重極大的個(gè)體時(shí)，單元被重復(fù)抽到的概率很低，有效樣本量n一般接近T。當(dāng)抽取次數(shù)T較大或者總體單元中存在規(guī)模比重極大的個(gè)體時(shí)，單元被重復(fù)抽到的概率較大，有效樣本量n將小于T。

使用R軟件進(jìn)行了PPS抽樣的統(tǒng)計(jì)模擬，其中規(guī)模比重輔助變量根據(jù)均勻分布生成，總體單元數(shù)N確定為1000。模擬次數(shù)為10萬(wàn)次，考察了不同抽取次數(shù)T下，不確定性有效樣本量的分布（直方圖）以及特征值（期望和標(biāo)準(zhǔn)差等）。

（1）由表1可以看出，抽取次數(shù)T較小時(shí)，有效樣本量n分布比較集中，基本上等于或稍小于抽取次數(shù)T，差值一般不超過2。T越小，n=T的概率值就越大，有效樣本量n的期望值與抽取次數(shù)T也越接近，抽取次數(shù)小于40時(shí)，兩者的絕對(duì)差值不超過1，相對(duì)差值不超過0.03。

表1 不同抽取次數(shù)下有效樣本量的概率值和特征值

（2）由圖1可以看出，隨著抽取次數(shù)T的增加，有效樣本量n分布將更為分散，并且趨于正態(tài)化。當(dāng)抽取次數(shù)等于100時(shí)，有效樣本量近似為正態(tài)分布。這樣就能給出當(dāng)抽取次數(shù)T較大時(shí)，有效樣本量的95%的置信區(qū)間為：

圖1 不同抽取次數(shù)下有效樣本量的分布特征

3 泊松抽樣下有效樣本量的性質(zhì)

泊松抽樣是嚴(yán)格的不放回不等概率抽樣，總體單元i的入樣概率πi事先確定。針對(duì)總體的各個(gè)單元分別獨(dú)立抽取，每個(gè)單元可能抽出也可能沒抽出，這是它最特別的性質(zhì)。

每個(gè)單元是否抽出是隨機(jī)的，服從0,1結(jié)果的二項(xiàng)分布，單元i抽出的概率即為事先確定的πi，而最終抽出的單元數(shù)量（有效樣本量）必然也是隨機(jī)的。

單元之間的抽取都是相互獨(dú)立的，所以二階入樣概率為：

根據(jù)式（9）和式（10），有效樣本量n的期望和方差為：

n的概率分布相對(duì)比較簡(jiǎn)單，總體的N個(gè)單元有n個(gè)單元抽出來了，相應(yīng)單元被抽出的概率為πi，有N-n個(gè)單元沒被抽出來，相應(yīng)單元沒被抽出的概率為( ) 1-πj，不同單元的抽取是相互獨(dú)立的，所以根據(jù)全概率公式，有效樣本量n概率分布的理論表達(dá)式為：

根據(jù)中心極限定理可知，當(dāng)總體單元數(shù)N較大時(shí)（N＞30），在這現(xiàn)實(shí)中一般都是滿足的，有效樣本量n近似服從正態(tài)分布[4]。

入樣概率確定后，有效樣本量n的期望和方差根據(jù)式（18）和式（19）可以直接計(jì)算出來。再通過R軟件統(tǒng)計(jì)模擬（模擬次數(shù)為10萬(wàn)次），其中各單元的入樣概率根據(jù)均勻分布隨機(jī)賦值，展示在不同總體單元數(shù)N下有效樣本量n的分布特征。

由圖2可以看出，有效樣本量的分布基本都是對(duì)稱的，尤其是當(dāng)總體單元數(shù)N越大時(shí)，越近似于正態(tài)分布。這樣就能給出總體單元數(shù)N較大時(shí)，有效樣本量的95%的置信區(qū)間為：

4 結(jié)論

圖2 不同總體單元數(shù)下有效樣本量的分布特征

PPS抽樣和泊松抽樣在實(shí)際抽樣調(diào)查中有著廣泛的應(yīng)用，但它們的有效樣本量實(shí)質(zhì)上無法事前確定，而是取決于抽取結(jié)果的隨機(jī)變量。本文對(duì)兩種抽樣下有效樣本量的性質(zhì)進(jìn)行了深入研究，通過數(shù)理推導(dǎo)給出了有效樣本量的概率分布，以及相應(yīng)的特征值（期望和方差），通過統(tǒng)計(jì)模擬給出了有效樣本量的分布特征，特別是給出了一定條件下有效樣本量的置信區(qū)間，這樣雖然無法事前確定有效樣本量的最終結(jié)果，但可以有概率層面的推斷和了解。

本文研究結(jié)果有著一定的理論和現(xiàn)實(shí)意義，一方面有助于我們更加深入理解抽樣設(shè)計(jì)的原理和抽樣結(jié)果的特征，另一方面對(duì)有效樣本量有了更準(zhǔn)確的事前預(yù)判，能夠更好地指導(dǎo)抽樣的方法設(shè)計(jì)以及調(diào)查的組織開展。

[1]Antal E,Tille Y.A Direct Bootstrap Method for Complex Sampling De?signs From a Finite Population[J].Journal of the American Statistical Association,2011,16(494).

[2]Rao C R,Rubin H.On a Characterization of the Poisson Distribution[J]. Sankhyā the Indian Journal of Statistics,1964,(32).

[3]Antal E,Tillé Y.Simple Random Sampling With Over-replacement[J]. Journal of Statistical Planning and Inference，141.

[4]金勇進(jìn)，杜子芳，蔣妍.抽樣技術(shù)（第二版）[M].北京：中國(guó)人民大學(xué)出版社，2008.

（責(zé)任編輯/易永生）

C811

A

1002-6487（2016）23-0012-03

北京市社會(huì)科學(xué)基金基地項(xiàng)目（14JDJGC040）；北京工業(yè)大學(xué)日新人才項(xiàng)目；北京工業(yè)大學(xué)首都社會(huì)建設(shè)與社會(huì)管理協(xié)同創(chuàng)新中心項(xiàng)目

艾小青（1982—），男，湖南邵陽(yáng)人，博士，副教授，研究方向：抽樣調(diào)查、經(jīng)濟(jì)統(tǒng)計(jì)。