非応答および測定誤差の存在下における修正キャリブレーション分散推定量

小さなグループに分割できる集団からのサンプルは、層化サンプリングと呼ばれる技術を使用して取得されます。総集団内のサブポピュレーションが異なる場合、サンプル調査において各層（サブポピュレーション）を別々にサンプリングすることが有益です。政府機関、独立コンサルタント、および応用統計学者は、この重要な戦略を頻繁に使用します。調査統計学者が研究変数の集団分散を推定する際には、多くの問題が発生します。これらの問題には、分析のために収集されたデータにおける外れ値の存在、非応答、調査中に発生する測定誤差が含まれます。Shahzadら 1 は、L-モーメントおよびキャリブレーションアプローチを使用して外れ値の問題に取り組むことにより、分散推定量を開発しました。しかし、彼らは非応答および測定誤差の状況を考慮していません。この論文では、非応答および測定誤差の存在下における修正分散推定量を提案することにより、これらの問題に対処します。特性（バイアスとMSE）は、テイラー級数アプローチを使用して1次の近似まで導出されました。調査で考慮された既存の推定量に対する修正推定量の効率条件が確立されました。シミュレーション研究の結果は、推定量が効率的であることを示しました。