📊 statistiek

An Efficient Estimator of Population Mean Using a Poisson Regression-Based Approach: Simulation and Theoretical Efficiency Analysis

Dit artikel stelt een nieuwe op Poisson-regressie gebaseerde schatter voor het populatiegemiddelde onder eenvoudige aselecte steekproeftrekking voor en valideert deze, waarbij door middel van theoretische analyse, empirische studies in milieugezondheid en transportveiligheid, en simulaties wordt aangetoond dat deze de traditionele ratio-schatters overtreft wat betreft de gemiddelde kwadratische fout.

Oorspronkelijke auteurs: Rajesh Singh, Shobh Nath Tiwari, Yashveer Singh

Gepubliceerd 2026-09-28

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Rajesh Singh, Shobh Nath Tiwari, Yashveer Singh

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

In de wereld van de statistiek worden onderzoekers vaak geconfronteerd met een uitdaging die vergelijkbaar is met het proberen te raden van het gemiddelde gewicht van elke appel in een enorme boomgaard zonder ze allemaal te wegen. Om een betere gok te doen, zoeken ze naar een nuttige aanwijzing, of "hulpvariabele", die al bekend is voor de gehele boomgaard, zoals het gemiddelde aantal bladeren aan de bomen. Als het aantal bladeren nauw samenhangt met het gewicht van de vrucht, kan het gebruik van die informatie de schatting aanscherpen. Dit is de basis van ratio-schatting, een methode die al decennia wordt verfijnd om de nauwkeurigheid te verbeteren. Deze traditionele aanpak loopt echter tegen een muur op wanneer de gegevens die worden geteld — zoals het aantal ziekenhuisbezoeken of verkeersongevallen — niet een vloeiende, voorspelbare curve volgen. Telgegevens gedragen zich vaak anders, met veel nullen en incidentele pieken die de aannames van standaard lineaire modellen doorbreken. Wanneer deze standaardinstrumenten op dergelijke gegevens worden toegepast, kunnen ze onmogelijke resultaten opleveren, zoals het voorspellen van negatieve aantallen ongevallen, of ze slagen er simpelweg niet in om het werkelijke patroon te vatten.

Om dit op te lossen, heeft een team onderzoekers van de Banaras Hindu University in India een nieuwe manier ontwikkeld om populatiegemiddelden te schatten die specifiek is ontworpen voor telgegevens. In plaats van de gegevens in een rechte lijn te dwingen, maakten zij gebruik van een Poisson-regressiemodel, een statistisch instrument dat is gebouwd om tellingen te verwerken die van nature variëren over tijd of ruimte. De onderzoekers stelden een nieuwe wiskundige formule voor die deze gespecialiseerde regressieaanpak combineert met het concept van het gebruiken van hulpinformatie. Ze testten deze nieuwe estimator tegenover verschillende bestaande methoden met behulp van real-world data uit twee zeer verschillende gebieden: luchtverontreiniging en verkeersveiligheid. In het ene geval keken ze naar het wekelijkse aantal ziekenhuisopnames voor respiratoire problemen in relatie tot de luchtverontreinigingsniveaus; in het andere onderzochten ze verkeersslachtoffers in relatie tot het aantal motorvoertuigen in verschillende provincies. De resultaten waren opmerkelijk. In de dataset voor verkeersveiligheid verminderde de nieuwe methode de fout in de schatting met een enorme marge, waarbij deze in sommige vergelijkingen duizenden malen beter presteerde dan de standaard baseline.

De onderzoekers stopten niet bij real-world voorbeelden; ze voerden ook duizenden computersimulaties uit om te zien hoe de methode stand zou houden onder verschillende omstandigheden. Ze genereerden kunstmatige populaties waarbij de relatie tussen de telgegevens en de hulpvariabele in sterkte varieerde, en ze testten steekproefomvang variërend van klein tot gemiddeld groot. In elk scenario presteerde de nieuwe estimator consequent beter dan de oudere, traditionele methoden. Het produceerde nauwkeurigere gemiddelden met minder fouten, ongeacht of de steekproefomvang klein of groot was, of hoe sterk de variabelen met elkaar verbonden waren. De studie suggereert dat voor iedereen die werkt met telgegevens — zoals epidemiologen die ziektegevallen bijhouden of stadsplanners die ongevallen monitoren — deze nieuwe aanpak een aanzienlijk betrouwbaardere manier biedt om het werkelijke gemiddelde van een populatie te begrijpen.

De kern van de ontdekking ligt in de manier waarop de nieuwe formule omgaat met de relatie tussen de bekende informatie en de onbekende telling. Traditionele methoden behandelen de verbinding tussen variabelen vaak als een eenvoudige, rechte lijn, wat tot fouten kan leiden wanneer de gegevens scheef verdeeld zijn of extreme waarden bevatten. De nieuwe aanpak gebruikt echter een specifiek type curve dat respect heeft voor de aard van telgegevens, waardoor voorspellingen realistisch en positief blijven. Door de constanten binnen deze formule fijn af te stemmen, vonden de onderzoekers een "sweet spot" die het verschil tussen het geschatte gemiddelde en het werkelijke gemiddelde minimaliseert. In hun tests met echte data bereikte de nieuwe methode een niveau van precisie dat de oudere ratio-estimators simpelweg niet konden evenaren. Bijvoorbeeld, bij het analyseren van verkeersdoden was de nieuwe estimator bijna drieentwintig keer efficiënter dan de standaardmethode die als baseline werd gebruikt, wat betekent dat deze veel minder data vereiste om hetzelfde niveau van zekerheid te bereiken.

Hoewel de studie zich richtte op specifieke datasets en gesimuleerde scenario's, zijn de implicaties voor de statistische praktijk duidelijk. De auteurs tonen aan dat het vasthouden aan traditionele lineaire methoden voor telgegevens kan leiden tot suboptimale resultaten, en dat het overstappen naar een regressiemodel dat ontworpen is voor tellingen de nauwkeurigheid drastisch kan verbeteren. Ze erkennen dat hun werk een stap voorwaarts is, maar niet het laatste woord. De onderzoekers wijzen erop dat toekomstig werk zelfs complexere situaties kan adresseren, zoals gegevens met een excessief aantal nullen of ontbrekende waarden, door hun methode aan te passen aan meer gespecialiseerde modellen. Voor nu biedt de studie een robuust, getest instrument om de nauwkeurigheid van populatieschattingen te verbeteren in velden waar het tellen van gebeurtenissen essentieel is, wat een helderder beeld van de werkelijkheid geeft dan de methoden die momenteel wijdverspreid in gebruik zijn.

Technische Samenvatting: Een Efficiënte Schatter van het Populatiegemiddelde met een Poisson-regressiegebaseerde Aanpak

Probleemstelling
In de steekproeftheorie is het schatten van het populatiegemiddelde een primair doel, dat vaak wordt verbeterd door gebruik te maken van hulpinformatie. Hoewel ratio- en regressieschatters standaard zijn wanneer er een positieve relatie bestaat tussen de onderzoeksvariabele en de hulpvariabelen, zijn klassieke lineaire regressiemodellen vaak ongepast voor telgegevens (count data). Lineaire modellen kunnen negatieve voorspellingen produceren en schenden de aanname van constante variantie, wat cruciaal is voor hypothesetoetsing. Hoewel Poisson-regressie de standaard is voor het modelleren van telresponsen, is er behoefte aan efficiëntere schatters van het populatiegemiddelde die specifiek het Poisson-regressiekader benutten onder Eenvoudige Willekeurige Steekproeven (EWS), in het bijzonder wanneer concurrerende schatters (zoals die van Kadilar en Cingi of Koç) de distributie-eigenschappen van telgegevens niet volledig kunnen exploiteren.

Methodologie
De studie stelt een nieuwe schatter voor voor het populatiegemiddelde, aangeduid als $Z^*$ , ontworpen voor gebruik onder EWS met telgegevens. De methodologie verloopt als volgt:

Theoretisch Kader: De studie maakt gebruik van een Poisson-regressiemodel waarbij de onderzoeksvariabele $Y_i$ gebeurtenis-aantallen vertegenwoordigt die een Poisson-verdeling volgen. De hellingscoëfficiënt ( $b_P$ ) wordt afgeleid van dit Poisson-regressiemodel in plaats van de traditionele kleinste kwadratenmethode.
Constructie van de Voorgestelde Schatter: Geïnspireerd door Raghav et al. en Koç, definiëren de auteurs de nieuwe schatter $Z^*$ als een combinatie van een gemodificeerde ratio-term en een regressieterm, waarbij een exponentiële functie van de ratio van het verschil en de som van de gemiddelden van de hulpvariabele wordt opgenomen:
$Z^* = \left[ \alpha \bar{y} \left\{ \frac{1}{2} \left( \frac{\bar{X}}{\bar{x}} + \frac{\bar{x}}{\bar{X}} \right) \right\} + b_P(\bar{X} - \bar{x}) \right] \exp\left( \frac{\bar{X} - \bar{x}}{\bar{X} + \bar{x}} \right)$
Hierbij is $\alpha$ een scalaire constante die wordt bepaald door het minimaliseren van de Gemiddelde Kwadratische Fout (MSE).
Afleiding van Eigenschappen: Met behulp van eerste-orde benadering en fouttermen ( $\epsilon_0, \epsilon_1$ ) leiden de auteurs de uitdrukkingen voor de Bias en de MSE van $Z^*$ af. De MSE wordt uitgedrukt in de vorm $MSE(Z^*) = \alpha^2 A + \alpha B + C$ . De optimale waarde van $\alpha$ wordt gevonden door deze uitdrukking te minimaliseren ( $\alpha = -B/2A$ ), wat resulteert in de minimale MSE: $MSE_{min} = C - B^2/4A$ .
Vergelijkende Analyse: De theoretische efficiëntie van $Z^*$ $Z^{*}$ wordt vergeleken met:
- Traditionele ratio-schatters door Kadilar en Cingi ( $\bar{y}_{KC1}$ tot $\bar{y}_{KC5}$ ).
- Poisson-regressiegebaseerde ratio-schatters door Koç ( $\bar{y}_1$ tot $\bar{y}_5$ ).
- Een Poisson-regressiegebaseerde gemiddelde-schatter door Shahzad et al. ( $\bar{y}_U$ ).
- Poisson-regressiegebaseerde ratio-cum-regressie schatters door Jana et al. ( $Z_1$ tot $Z_5$ ).

Kernbijdragen en Resultaten
Het artikel valideert de voorgestelde schatter via zowel empirische studies met reële datasets als uitgebreide simulatiestudies.

Empirische Studie: Twee reële populaties werden geanalyseerd:
1. Populatie I: Luchtvervuilingsgegevens (Afjon, Turkije), waarbij het aantal wekelijkse ziekenhuisopnames ( $Y$ ) wordt gekoppeld aan PM10-niveaus ( $X$ ).
2. Populatie II: Verkeersongevallengegevens (Turkije, 2019), waarbij het aantal verkeersdoden ( $Y$ ) wordt gekoppeld aan het aantal motorvoertuigen ( $X$ ).
  In beide gevallen vertoonde de voorgestelde schatter $Z^*$ de laagste Gemiddelde Kwadratische Fout (MSE) en de hoogste Percentage Relatieve Efficiëntie (PRE). Voor Populatie II bereikte $Z^*$ een PRE van 2323,13% ten opzichte van de conventionele schatter $\bar{y}_1, wat alle concurrerende schatters aanzienlijk overtreft.
Simulatiestudie: Een simulatie werd uitgevoerd met R-software met een eindige populatie ( $N=1000$ ) waarbij $X$ een uniforme verdeling volgde en $Y$ een Poisson-verdeling met $\lambda = \exp(\beta_0 + \beta_1 X)$ . De studie varieerde de steekproefgroottes ( $n=20, 30, 40$ ) en regressiecoëfficiënten ( $\beta_1 = 0,75, 0,85, 0,95$ ).
- In alle scenario's leverde $Z^*$ consistent de minimale MSE en maximale PRE op in vergelijking met de schatters van Kadilar en Cingi, Koç en Jana et al.
- De resultaten bevestigden dat naarmate de steekproefomvang toenam, de MSE afnam voor alle schatters, maar dat de voorgestelde schatter een superieure efficiëntie behield.

Betekenis en Claims
De auteurs beweren dat de voorgestelde schatter $Z^*$ een statistisch significante verbetering biedt ten opzichte van bestaande methoden voor het schatten van het populatiegemiddelde van telgegevens. De studie stelt dat:

De theoretische afleiding van bias en MSE een robuuste basis biedt voor de prestaties van de schatter.
De empirische en simulatie resultaten valideren dat $Z^*$ efficiënter is dan traditionele ratio-schatters en andere Poisson-regressiegebaseerde benaderingen die momenteel in de literatuur voorkomen.
Het gebruik van de exponentiële functie en de specifieke combinatie van ratio en regressie-termen binnen het Poisson-kader effectief de relatie tussen de onderzoeksvariabele en de hulpvariabelen voor telgegevens vastlegt.

Het artikel concludeert dat $Z^*$ wordt aanbevolen voor het analyseren van teldatasets waarbij hulpinformatie beschikbaar is. De auteurs suggereren bescheiden dat toekomstig werk deze methodologie kan uitbreiden om overdispersie, excessieve nullen (via zero-inflated modellen), ontbrekende gegevens en andere steekproefontwerpen zoals gestratificeerde of ranked set sampling te behandelen, maar zij beweren niet dat deze uitbreidingen in de huidige studie zijn gerealiseerd.

Technische Samenvatting: Een Efficiënte Schatter van het Populatiegemiddelde met een Poisson-regressiegebaseerde Aanpak

Meer zoals dit