检索结果-南通市图书馆

Cross-classes domain inference with network sampling for natural resource inventory

Forest Ecosystems 2022年第3期9卷 311-322页

作者： Zhengyang Hou Ronald E.McRoberts Chunyu Zhang Göran Ståhl Xiuhai Zhao Xuejun Wang Bo Li Qing Xu The Key Laboratory for Silviculture and Conservation of Ministry of Education Beijing Forestry UniversityBeijingChina Department of Forest Resources University of MinnesotaSaint PaulMNUnited States Department of Forest Resource Management Swedish University of Agricultural SciencesUmeåSweden Office of the National Forestry and Grassland Administrations Forest Resources Supervision Commissioner in Beijing BeijingChina Department of Statistics University of Illinois at Urbana-ChampaignChampaignILUnited States Key Laboratory on the Science and Technology of Bamboo and Rattan International Centre for Bamboo and RattanBeijingChina

There are two distinct types of domains,design-and cross-classes domains,with the former extensively studied under the topic of small-area *** natural resource inventory,however,most classes listed in the condition tables of national inventory programs are characterized as cross-classes domains,such as vegetation type,productivity class,and age *** date,challenges remain active for inventorying cross-classes domains because these domains are usually of unknown sampling frame and spatial distribution with the result that inference relies on population-level as opposed to domain-level *** challenges are noteworthy:(1)efficient sampling strategies are difficult to develop because of little priori information about the target domain;(2)domain inference relies on a sample designed for the population,so within-domain sample sizes could be too small to support a precise estimation;and(3)increasing sample size for the population does not ensure an increase to the domain,so actual sample size for a target domain remains highly uncertain,particularly for small *** this paper,we introduce a design-based generalized systematic adaptive cluster sampling(GSACS)for inventorying cross-classes ***-unbiased Hansen-Hurwitz and Horvitz-Thompson estimators are derived for domain totals and compared within GSACS and with systematic sampling(SYS).Comprehensive Monte Carlo simulations show that(1)GSACS Hansen-Hurwitz and Horvitz-Thompson estimators are unbiased and equally efficient,whereas thelatter outperforms the former for supporting a sample of size one;(2)SYS is a special case of GSACS while the latter outperforms the former in terms of increased efficiency and reduced intensity;(3)GSACS Horvitz-Thompson variance estimator is design-unbiased for a single SYS sample;and(4)rules-ofthumb summarized with respect to sampling design and spatial effect improve *** inventorying a mini domain is analogous to inventorying a rare vari

关键词： Cross-classes domain estimation Design-based inference network sampling Generalized systematic adaptive cluster sampling Forest inventory

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

隐私规避的网络调查与间接估计方法

引用

管理科学 2024年第1期

作者：吕欣刘楚楚蔡梦思陈洒然

在管理决策中，管理对象的真实状态往往因隐私、敏感等因素导致自我报告数据质量不高，样本数据存在较大偏差，进而难以掌握目标对象的真实情况。针对这一问题，同时为了满足数字经济时代下的数据隐私保护需求，本文开发了一类基于社交... 详细信息

在管理决策中，管理对象的真实状态往往因隐私、敏感等因素导致自我报告数据质量不高，样本数据存在较大偏差，进而难以掌握目标对象的真实情况。针对这一问题，同时为了满足数字经济时代下的数据隐私保护需求，本文开发了一类基于社交网络间接报告的数据采集方法，并在网络抽样与统计推断理论的基础上，设计了基于间接报告样本数据的总体估计方法（ECM）。该方法操作简单，可对调查对象进行随机采样或实施普查，除采集样本的自我陈述数据外，同时采集每个样本关于其密切社交对象的报告数据，从而避免了自身因敏感原因等不愿提供数据或提供不真实数据的问题，提出的估计方法能在样本报告数据的基础上实现对总体的高精度估计，并能实现自报告数据和他报告数据的交互验证。本文的研究方法在一个多达556627名活跃用户的难接触人群在线社交网络上进行了充分验证，抽样实验表明ECM对全网平均好友数和总体特征的估计误差低于3%。进一步地，本文开展了实证研究，通过设计自报告和他报告问卷，对某企业职员的一般和隐私性问题进行了问卷调查，并通过间接估计方法实现了对目标的总体估计，展示了该方法的实用性和有效性。

关键词：隐私数据真实性网络抽样间接估计统计推断 privacy data authenticity network sampling indirect estimation statistical inference

来源：人大复印报刊资料评论

在线全文

人大复印报刊资料

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：