基于非参数方法的模型辅助抽样估计研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-12页 |
| 1.3 研究方法 | 第12-13页 |
| 1.4 论文框架 | 第13-16页 |
| 第二章 文献综述 | 第16-22页 |
| 2.1 模型辅助估计方法的研究 | 第16-20页 |
| 2.1.1 回归估计方法 | 第16-18页 |
| 2.1.2 校准估计方法 | 第18-20页 |
| 2.1.3 机器学习方法 | 第20页 |
| 2.2 本章小结 | 第20-22页 |
| 第三章 相关基本概念及广义差分估计量 | 第22-28页 |
| 3.1 相关基本概念 | 第22-26页 |
| 3.1.1 辅助信息 | 第22-23页 |
| 3.1.2 总体与样本 | 第23-24页 |
| 3.1.3 抽样设计 | 第24页 |
| 3.1.4 样本示性变量与包含概率 | 第24-25页 |
| 3.1.5 HT估计量 | 第25-26页 |
| 3.1.6 超总体模型 | 第26页 |
| 3.2 广义差分估计量 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第四章 模型辅助估计量的渐进性质 | 第28-32页 |
| 4.1 广义差分估计量的渐进性质 | 第28-30页 |
| 4.2 模型辅助估计法分析框架 | 第30-31页 |
| 4.3 本章小结 | 第31-32页 |
| 第五章 模型辅助下的非参数估计量 | 第32-38页 |
| 5.1 广义回归估计量 | 第32-33页 |
| 5.2 局部多项式回归估计量 | 第33-35页 |
| 5.3 神经网络估计量 | 第35-36页 |
| 5.4 样条回归估计量 | 第36-37页 |
| 5.5 本章小结 | 第37-38页 |
| 第六章 基于惩罚样条回归的模型辅助抽样估计 | 第38-51页 |
| 6.1 估计量的构建 | 第38-41页 |
| 6.2 估计量的性质 | 第41-44页 |
| 6.3 数值模拟分析 | 第44-48页 |
| 6.4 实际数据验证 | 第48-50页 |
| 6.5 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57-60页 |
| 攻读硕士学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 附件 | 第62页 |
