1. <tt id="5hhch"><source id="5hhch"></source></tt>
    1. <xmp id="5hhch"></xmp>

  2. <xmp id="5hhch"><rt id="5hhch"></rt></xmp>

    <rp id="5hhch"></rp>
        <dfn id="5hhch"></dfn>

      1. 模型輔助條件下抽樣估計(jì)方法研究

        時(shí)間:2022-11-23 15:28:24 論文提綱 我要投稿
        • 相關(guān)推薦

        模型輔助條件下抽樣估計(jì)方法研究

            論文摘要: 本論文主要是研究如何在抽樣估計(jì)階段利用超總體回歸模型進(jìn)行模(略)并對(duì)各種不同超總體回歸模型下的模型輔助估計(jì)方法進(jìn)行系統(tǒng)性研究和總結(jié),使之成為一個(gè)完整的研究體系. 本論文在第一章中對(duì)模型輔助估計(jì)方法進(jìn)行了概述,界定了輔助信息、超總體模型和模型輔助估計(jì)等概念,并對(duì)其內(nèi)在聯(lián)系進(jìn)行了詳細(xì)地闡述.第二章提出了一種通用的超總體回歸模型——廣義回歸模型,并推導(dǎo)出該通用模型下的廣(略)及其性質(zhì),從而把輔助變量直接帶入了估計(jì)量公式中,提高了抽樣估計(jì)的精度.本章推導(dǎo)出的一般性結(jié)論為后面章節(jié)進(jìn)行具體深入的研究提供了理論基礎(chǔ).第三章至第五章就(略)型及廣義回歸估計(jì)方法的一系列具體應(yīng)用,因(略)論文的核心部分.首先是依據(jù)輔助變量與研究變量之間回歸關(guān)系的不同,分別建立比率模型、線性回歸模型、事后分層回歸模型和非參數(shù)回歸模型,然后再利用第二章中推導(dǎo)出的廣義回歸估計(jì)理論,對(duì)各種回歸模型輔助下的估計(jì)方法進(jìn)行了系統(tǒng)性研究,從而構(gòu)成了模型輔助估計(jì)方法的整個(gè)研究體系.最后,第六章對(duì)本論文進(jìn)行了總結(jié),提出了本論文的一些不足之處,并且對(duì)本論文的理論體系及應(yīng)用前景進(jìn)行了展望.
            This paper studies mainly how to esti(omitted)per population regression model in the phase of sampling estimation and dissert systematically methods of model-assisted sampling estimation un(omitted)ent super population regression models in order to structure an integrated system of rese(omitted)n the first chapter of this paper, there is detailed expound abou(omitted)of model-assisted estimation. At the same time, some notions, su(omitted)liary information, super population model and model-assisted est...
        目錄:摘要 第5-6頁(yè)
        Abstract 第6頁(yè)
        第1章 模型輔助估計(jì)方法概述 第7-15頁(yè)
          ·輔助信息及其在抽樣調(diào)查中的應(yīng)用 第7-11頁(yè)
          ·超總體回歸模型 第11-12頁(yè)
          ·模型輔助估計(jì)方法 第12-15頁(yè)
        第2章 廣義回歸估計(jì)量 第15-35頁(yè)
          ·引言 第15頁(yè)
          ·廣義回歸估計(jì)量 第15-22頁(yè)
          ·廣義回歸估計(jì)量的其他表示方法 第22-27頁(yè)
          ·廣義回歸估計(jì)量小結(jié) 第27-28頁(yè)
          ·廣義回歸估計(jì)量的方差 第28-32頁(yè)
          ·評(píng)述輔助變量與模型的作用 第32-35頁(yè)
        第3章 各種超總體回歸模型下的比率估計(jì)與回歸估計(jì) 第35-66頁(yè)
          ·引言 第35頁(yè)
          ·知識(shí)回顧與總結(jié) 第35-37頁(yè)
          ·比率模型 第37-39頁(yè)
          ·γ=1時(shí)的比率模型及比率估計(jì)量 第39-52頁(yè)
          ·γ≥0時(shí)的一般比率模型及其比率估計(jì)量 第52-55頁(yè)
          ·常數(shù)均值模型及其估計(jì)量 第55-56頁(yè)
          ·線性回歸模型及線性回歸估計(jì)量 第56-57頁(yè)
          ·簡(jiǎn)單線性回歸模型及簡(jiǎn)單線性回歸估計(jì)量 第57-61頁(yè)
          ·多元線性回歸模型及其估計(jì)量 第61-62頁(yè)
          ·回歸估計(jì)量的擴(kuò)展 第62-66頁(yè)
        第4章 事后分層回歸估計(jì) 第66-83頁(yè)
          ·引言 第66頁(yè)
          ·輔助信息與事后分層 第66-68頁(yè)
          ·利用定性輔助信息進(jìn)行事后分層回歸估計(jì) 第68-74頁(yè)
          ·利用定量輔助信息進(jìn)行事后分層回歸估計(jì) 第74-79頁(yè)
          ·雙因素事后分層回歸模型及其估計(jì) 第79-83頁(yè)
        第5章 非參數(shù)回歸估計(jì) 第83-91頁(yè)
          ·引言 第83頁(yè)
          ·線性回歸估計(jì)理論的知識(shí)回顧 第83-84頁(yè)
          ·非參數(shù)回歸模型及非參數(shù)回歸估計(jì)量 第84-88頁(yè)
          ·局部多項(xiàng)式回歸估計(jì)量 第88-91頁(yè)
        第6章 論文總結(jié)與展望 第91-94頁(yè)
          ·論文總結(jié) 第91-92頁(yè)
          ·論文不足 第92-93頁(yè)
          ·展望 第93-94頁(yè)
        附錄 第94-97頁(yè)
        參考文獻(xiàn) 第97-100頁(yè)
        致謝 第100-101頁(yè)
        攻讀碩士研究生期間發(fā)表論文情況 第101頁(yè)
         

        模型輔助條件下抽樣估計(jì)方法研究

        請(qǐng)繼續(xù)閱讀相關(guān)推薦:畢業(yè)論文    應(yīng)屆生求職

        畢業(yè)論文范文查看下載      查看的論文開(kāi)題報(bào)告     查閱參考論文提綱

        閱更多的畢業(yè)論文致謝    相關(guān)畢業(yè)論文格式       查閱更多論文答辯

        【模型輔助條件下抽樣估計(jì)方法研究】相關(guān)文章:

        談長(zhǎng)白落葉松構(gòu)建模型方法研究08-05

        論文寫作的研究方法04-27

        我國(guó)證券市場(chǎng)地域板塊投資模型研究06-10

        論文的研究方法的有哪些02-10

        關(guān)于學(xué)術(shù)論文寫作的研究方法04-30

        高校生物化學(xué)課程多媒體輔助教學(xué)的研究與探索08-13

        高校網(wǎng)絡(luò)思想教育的方法研究05-20

        開(kāi)題報(bào)告的分析思路、研究方法怎么寫08-01

        中學(xué)政治高效教學(xué)方法研究05-21

        關(guān)于研究型教學(xué)模式下田徑課程實(shí)踐教學(xué)方法的研究08-23

        国产高潮无套免费视频_久久九九兔免费精品6_99精品热6080YY久久_国产91久久久久久无码

        1. <tt id="5hhch"><source id="5hhch"></source></tt>
          1. <xmp id="5hhch"></xmp>

        2. <xmp id="5hhch"><rt id="5hhch"></rt></xmp>

          <rp id="5hhch"></rp>
              <dfn id="5hhch"></dfn>