非随机化平行模型类抽样调查技术

在政治经济、医疗健康、社会伦理等多项调查中，因研究需要往往会涉及某些敏感信息的采集，而敏感问题可能会导致受访者拒绝配合甚至提供虚假答案。非随机化抽样调查技术在鼓励受访者提供真实有效回答并保护其信息不被泄露方面具有较好的表现。《非随机化平行模型类抽样调查技术》旨在介绍非随机化抽样调查技术在敏感数据抽样调查中的应用以及作者近几年的研究成果。《非随机化平行模型类抽样调查技术》在非随机化平行模型的基础之上，系统地研究一类非随机化平行模型抽样调查设计方法，主要内容包括平行模型的两种推广的形式、平行模型类调查设计的样本容量确定以及建立在平行模型及其推广模型上的回归设计。与此同时，《非随机化平行模型类抽样调查技术》还分别给出与这些调查设计相关的统计分析方法，并通过模拟研究以及实证分析的形式展示这些调查设计方法在实际中的应用。

第1章 敏感数据抽样调查中非随机化响应技术概述 1
1.1 敏感数据抽样调查技术发展的背景 1
1.2 随机化响应技术简介 1
1.3 随机化响应技术的局限性 2
1.4 非随机化响应技术的发展 2
1.5 非随机化响应模型简介 3
1.5.1 十字交叉模型 3
1.5.2 三角模型 4
1.5.3 多分类三角模型 5
1.5.4 对角模型 7
1.5.5 隐藏敏感性模型 7
1.5.6 组合问卷模型 9
1.5.7 平行模型 10
第2章 非随机化平行模型的推广 17
2.1 引言 17
2.2 变体平行模型的设计与分析 18
2.2.1 变体平行模型 18
2.2.2 未知参数的极大似然估计及其方差 21
2.2.3 未知参数的置信区间 25
2.2.4关于θ的假设检验 30
2.2.5 贝叶斯统计推断方法 31
2.2.6 与十字交叉模型的比较 32
2.2.7 与三角模型的比较 34
2.2.8 与平行模型的比较 36
2.2.9 与十字交叉模型、三角模型和平行模型的整体比较 37
2.2.10 变体平行模型的非依从问题 40
2.2.11 案例分析 41
2.2.12 变体平行模型优缺点小结 46
2.3 多分类平行模型的设计与分析 47
2.3.1 多分类平行模型 47
2.3.2 基于极大似然的统计分析 49
2.3.3 贝叶斯分析方法 53
2.3.4 四分类平行模型 55
2.3.5 多分类平行模型与多分类三角模型的比较 60
2.3.6 三种非随机化多分类模型的整体比较 64
2.3.7 案例分析 65
2.4 本章算法简介 69
2.4.1 EM 算法 69
2.4.2 IBF 算法 70
2.4.3 DA 算法 71
第3章 样本容量设计 72
3.1 引言 72
3.2 基于平行模型调查设计的样本容量确定 72
3.2.1 基于功效分析的样本计算公式 72
3.2.2 性能评估 74
3.2.3 平行模型与十字交叉模型的样本容量比较 77
3.2.4 平行模型与三角模型的样本容量比较 82
3.2.5 两样本情况下的样本容量确定 86
3.2.6 案例分析 87
3.3 基于变体平行模型调查设计的样本容量确定 89
3.3.1 基于功效分析的样本计算公式 89
3.3.2 准确的检验功效与近似的检验功效的比较 91
3.3.3 变体平行模型与直接问题模型所需样本容量的比较 92
3.3.4 变体平行模型与十字交叉模型的样本容量比较 93
3.3.5 变体平行模型与三角模型的样本容量比较 95
3.3.6 变体平行模型与平行模型的样本容量比较 96
3.3.7 两样本情况下的样本容量确定 98
3.3.8 案例分析 100
3.4 十字交叉模型中两样本情况下的样本容量确定 100
第4章 非随机化平行模型的逻辑回归分析 102
4.1 引言 102
4.2 平行逻辑回归模型 103
4.2.1 基于平行模型的逻辑回归 103
4.2.2基于牛顿–拉弗森算法的β的极大似然估计 104
4.2.3基于二次下界算法的β的极大似然估计 105
4.2.4 自助抽样置信区间与最短置信区间 110
4.2.5 2×2列联表与平行逻辑回归模型中优势比的联系 111
4.2.6 模拟研究 112
4.2.7 案例分析 121
4.2.8 关于平行逻辑回归模型的几点说明 123
4.3 变体平行模型的逻辑回归 124
4.3.1 基于变体平行模型的逻辑回归 124
4.3.2基于EM-NR算法的极大似然估计 126
4.3.3 自助抽样置信区间 128
4.3.4 2×2列联表与变体平行逻辑回归模型中优势比的联系 128
4.3.5 混淆变量的识别 129
4.3.6 变量选择 130
4.3.7 模拟研究 131
参考文献 146