📊 统计学

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

本文提出并验证了一种基于泊松回归的简单随机抽样总体均值新估计量，并通过理论分析、环境健康与交通安全领域的实证研究以及模拟实验，证明了该估计量在均方误差方面优于传统的比率估计量。

原作者： Rajesh Singh, Shobh Nath Tiwari, Yashveer Singh

发布于 2026-09-28

📖 1 分钟阅读☕ 轻松阅读

原作者： Rajesh Singh, Shobh Nath Tiwari, Yashveer Singh

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在统计学领域，研究人员经常面临一个挑战，类似于试图在不称量所有苹果的情况下，猜测整个果园中苹果的平均重量。为了做出更准确的推测，他们会寻找一个已知的、对整个果园都有帮助的线索，或者称为“辅助变量”，例如树木的平均叶片数。如果叶片数量与果实重量密切相关，利用这一信息可以提高估计的精确度。这就是比例估计法（ratio estimation）的基础，这种方法几十年来一直经过不断的改进以提高准确性。然而，当被计数的数据——如医院就诊次数或交通事故次数——不遵循平滑且可预测的曲线时，这种传统方法就会遇到瓶颈。计数数据（count data）的表现往往不同，存在大量的零值和偶尔出现的峰值，这打破了标准线性模型的假设。当这些标准工具被强行应用于此类数据时，可能会产生不可能的结果，比如预测出负数的事故次数，或者干脆无法捕捉到真实的模式。

为了解决这个问题，来自印度贝拿勒斯印度大学（Banaras Hindu University）的一个研究小组开发了一种专门针对计数数据设计的估算总体平均值的新方法。他们没有将数据强行拟合为一条直线，而是利用了泊松回归模型（Poisson regression model），这是一种旨在处理随时间或空间自然变化的计数的统计工具。研究人员提出了一种新的数学公式，将这种专门的回归方法与使用辅助信息概念结合起来。他们利用来自两个截然不同领域的真实世界数据，对这种新估计量进行了测试，这两个领域分别是空气污染和交通安全。在一种情况下，他们观察了呼吸系统疾病的每周住院人数与空气污染水平之间的关系；在另一种情况下，他们研究了各省交通事故死亡人数与机动车数量之间的关系。结果令人震惊。在交通安全数据集中，新方法大幅降低了估计误差，在某些对比中，其表现比标准基准方法好出数千倍。

研究人员并未止步于现实世界的案例，他们还进行了数千次计算机模拟，以观察该方法在不同条件下的表现。他们生成了人工总体，其中计数数据与辅助线索之间的关系强度各不相同，并测试了从小型到中型规模的样本量。在每种情景下，这种新估计量的表现都始终优于传统的旧方法。无论样本量是大小还是变量间的联系强弱如何，它都能产生更准确的平均值且误差更小。这项研究表明，对于任何从事计数数据工作的人员——如追踪疾病病例的流行病学家或监测事故的城市规划师——这种新方法都提供了一种更可靠的方式来理解总体的真实平均值。

这一发现的核心在于新公式如何处理已知信息与未知计数之间的关系。传统方法通常将变量之间的联系视为一条简单的直线，当数据出现偏斜或包含极端值时，这会导致误差。然而，新方法使用了一种尊重计数数据特性的特定曲线类型，确保预测结果保持现实且为正数。通过微调公式中的常数，研究人员找到了一个能使估计平均值与真实平均值之间差异最小化的“甜点区”（sweet spot）。在对真实数据的测试中，新方法达到了旧有比例估计量无法企及的精确度。例如，在分析交通事故死亡人数时，新估计量的效率几乎是作为基准的标准方法的二十三倍，这意味着它只需更少的数据就能达到同样的确定程度。

虽然这项研究侧重于特定的数据集和模拟情景，但其对统计实践的影响是显而易见的。作者证明，对计数数据坚持使用传统的线性方法可能会导致次优的结果，而转向专门为计数设计的回归模型可以显著提高准确性。他们承认，他们的工作是向前迈出的一步，但并非最终定论。研究人员指出，未来的工作可以通过将他们的方法适配到更专门的模型中，来处理更复杂的情况，例如具有过多零值或缺失值的数据。目前，这项研究提供了一个稳健且经过测试的工具，用于提高计数事件领域中总体估计的准确性，从而比目前广泛使用的方法提供更清晰的现实图景。

技术摘要：一种基于泊松回归方法的有效总体均值估计量

问题陈述
在抽样调查理论中，估计总体均值是一个主要目标，通常通过利用辅助信息来增强。当研究变量与辅助变量之间存在正相关关系时，比率估计量和回归估计量是标准方法；然而，传统的线性回归模型通常不适用于计数数据（count data）。线性模型可能会产生负向预测，并违反恒定方差假设，而恒定方差对于假设检验至关重要。虽然泊松回归是建模计数响应的标准方法，但仍需要更高效的总体均值估计量，特别是在简单随机抽样（SRS）条件下，能够专门利用泊松回归框架的估计量（例如 Kadilar 和 Cingi 或 Koç 的估计量可能无法充分利用计数数据的分布特性）。

方法论
本研究提出了一种新的总体均值估计量 $Z^*$ ，旨在用于处理具有计数数据的简单随机抽样（SRS）情况。该方法论流程如下：

理论框架： 本研究利用了一个泊松回归模型，其中研究变量 $Y_i$ 代表遵循泊松分布的事件计数。斜率系数（ $b_P$ ）是从该泊松回归模型而非传统的最小二乘法中推导出来的。
拟议估计量的构建： 受 Raghav 等人和 Koç 的启发，作者定义了新的估计量 $Z^*$ ，它是一个修正的比率项与一个回归项的组合，并引入了差值与辅助变量均值之和比值的指数函数：
$Z^* = \left[ \alpha \bar{y} \left\{ \frac{1}{2} \left( \frac{\bar{X}}{\bar{x}} + \frac{\bar{x}}{\bar{X}} \right) \right\} + b_P(\bar{X} - \bar{x}) \right] \exp\left( \frac{\bar{X} - \bar{x}}{\bar{X} + \bar{x}} \right)$
此处， $\alpha$ 是通过最小化均方误差（MSE）确定的标量常数。
性质推导： 利用一阶近似和误差项（ $\epsilon_0, \epsilon_1$ ），作者推导出了 $Z^*$ 的偏差（Bias）和 MSE 的表达式。MSE 被表示为形式 $MSE(Z^*) = \alpha^2 A + \alpha B + C$ 。通过最小化该表达式找到最优值 $\alpha$ （即 $\alpha = -B/2A$ ），从而得到最小 MSE： $MSE_{min} = C - B^2/4A$ 。
对比分析： 将 $Z^*$ $Z^{*}$ 的理论效率与以下估计量进行比较：
- Kadilar 和 Cingi 的传统比率估计量（ $\bar{y}_{KC1}$ 至 $\bar{y}_{KC5}$ ）。
- Koç 的基于泊松回归的比率估计量（ $\bar{y}_1$ 至 $\bar{y}_5$ ）。
- Shahzad 等人基于泊松回归的均值估计量（ $\bar{y}_U$ ）。
- Jana 等人基于泊松回归的比率-回归结合估计量（ $Z_1$ 至 $Z_5$ ）。

核心贡献与结果
本文通过使用真实数据集的实证研究和广泛的模拟研究验证了所提估计量的有效性。

实证研究： 对两个真实总体进行了分析：
1. 总体 I： 空气污染数据（土耳其阿非恩），将每周住院人数（ $Y$ ）与 PM10 水平（ $X$ ）联系起来。
2. 总体 II： 交通事故数据（2019年土耳其），将交通事故死亡人数（ $Y$ ）与机动车数量（ $X$ ）联系起来。
  在这两种情况下， $Z^*$ 均表现出最低的均方误差（MSE）和最高的百分比相对效率（PRE）。对于总体 II， $Z^*$ 相对于常规估计量 $\bar{y}_1$ 实现了 2323.13% 的 PRE，显著优于所有竞争估计量。
模拟研究： 使用 R 软件进行了一项模拟研究，设定有限总体（ $N=1000$ ），其中 $X$ 服从均匀分布，而 $Y$ 服从 $\lambda = \exp(\beta_0 + \beta_1 X)$ 的泊松分布。研究改变了样本量（ $n=20, 30, 40$ ）和回归系数（ $\beta_1 = 0.75, 0.85, 0.95$ ）。
- 在所有场景下， $Z^*$ 与 Kadilar 和 Cingi、Koç 以及 Jana 等人的估计量相比，始终产生最小的 MSE 和最大的 PRE。
- 结果证实，随着样本量的增加，所有估计量的 MSE 均有所下降，但所提估计量保持了卓越的效率。

意义与主张
作者声称，所提出的估计量 $Z^*$ 在估计计数数据的总体均值方面，较现有方法具有统计学上的显著改进。研究断言：

偏差和 MSE 的理论推导为该估计量的性能提供了稳健的基础。
实证研究和模拟结果验证了 $Z^*$ 比传统比率估计量以及目前文献中其他的基于泊松回归的方法更有效率。
在泊松框架内使用指数函数以及特定组合的比率与回归项，有效地捕捉了计数数据中研究变量与辅助变量之间的关系。

论文结论指出， $Z^*$ 被推荐用于分析具有可用辅助信息的计数数据集。作者谦虚地建议，未来的工作可以扩展该方法论以处理过度离散（over-dispersion）、过量零（通过零膨胀模型）、缺失数据以及其他抽样设计（如分层抽样或秩集抽样），但并未声称这些扩展已在当前研究中实现。

技术摘要：一种基于泊松回归方法的有效总体均值估计量

类似论文