抽樣：設(shè)計與分析（翻譯版）

譯者的話 序言
第一章 引言
1．1 關(guān)于樣本的爭論
1．2 優(yōu)良樣本的必要條件
1．3 選擇偏差
1．4 測量偏差
1．5 問卷設(shè)計
1．6 抽樣與非抽樣誤差
1．7 練習(xí)
第2章 簡單概率樣本
2．1 概率樣本的類型
2．2 概率抽樣的框架
2．3 簡單隨機抽樣
2．4 置信區(qū)間
2．5 樣本量的估計
2．6 系統(tǒng)抽樣
2．7 簡單隨機抽樣的隨機化定理結(jié)果*
2．8 簡單隨機抽樣模型*
2．9 什么時候使用簡單隨機抽樣
2．10 練習(xí)
第3章 比率估計和回歸估計
3．1 比率估計
3．1．1 為什么要使用比率估計
3．1．2 比率估計量的偏倚及均方誤差
3．1．2．1 MSE近似值的準(zhǔn)確度
3．1．2．2 比率估計的優(yōu)勢
3．1．3 比例的比率估計
3．2 回歸估計
3．2．1 使用線性模型
3．2．2 差值估計
3．3 域估計
3．4 比率估計和回歸估計模型*
3．4．1 比率估計模型
3．4．2 回歸估計的一個模型
3．4．3 基于模型估計量與基于設(shè)計估計量的差異
3．5 比較
3．6 練習(xí)
第4章 分層抽樣
4．1 什么是分層抽樣
4．2 分層抽樣的理論
4．3 抽樣權(quán)重
4．4 將觀測值分配到層咔
4．4．1 比例分配
4．4．2 最優(yōu)分配
4．4．3 層內(nèi)設(shè)定精度的分配
4．4．4 樣本量的確定
4．5 定義層
4．6 分層抽樣的一個模型*
4．7 事后分層
4．8 定額抽樣
4．9 練習(xí)
第5章 等概率整群抽樣
5．1 整群抽樣的符號
5．2 1階整群抽樣
5．2．1 規(guī)模相等的群：估計
5．2．2 規(guī)模相等的群：理論
5．2．3 規(guī)模不等的群
5．2．3．1 無偏估計
5．2．3．2 比率估計
5．3 2階整群抽樣
5．4 整群樣本中權(quán)數(shù)的應(yīng)用
5．5 整群樣本的設(shè)計
5．5．1 PSU規(guī)模的選擇
5．5．2 子抽樣規(guī)模的選擇
5．5．3 樣本規(guī)模（PSU數(shù)目）的選擇
5．6 系統(tǒng)抽樣
5．7 整群抽樣的模型*
5．7．1 基于模型的估計
5．7．2 基于模型的設(shè)計
5．8 小結(jié)
5．9 練習(xí)
第6章 不等概率抽樣
6．1 抽選一個初級抽樣單元
6．2 1階放回抽樣
6．2．1 選擇初級抽樣單元
6．2．1．1 累積規(guī)模方法
6．2．1．2 Lahiri方法
6．2．2 估計理論
6．2．3 選擇概率的設(shè)計
6．3 2階放回抽樣
6．4 無放回不等概率抽樣
6．4．1 Horvitz-Thompson估計量
6．4．2 不等概率樣本的權(quán)數(shù)
6．4．3 -般無放回設(shè)計下的Horvitz-Thompson估計量
6．5 不等概率抽樣的例子
6．6 隨機化理論結(jié)果和證明
6．7 模型和不等概率抽樣
6．8 練習(xí)
第7章 復(fù)雜調(diào)查
7．1 設(shè)計成分的整合
7．1．1 調(diào)查中區(qū)組的構(gòu)造
7．1．2 復(fù)雜調(diào)查中的比率估計
7．1．3 調(diào)查設(shè)計的簡化
7．2 抽樣權(quán)重
7．2．1 抽樣權(quán)重的構(gòu)造
7．2．2 自加權(quán)與非自加權(quán)樣本
7．2．3 調(diào)查數(shù)據(jù)的權(quán)重與基于模型的分析
7．3 分布函數(shù)的估計
7．4 復(fù)雜調(diào)查數(shù)據(jù)的圖示
7．5 設(shè)計效應(yīng)
7．5．1 設(shè)計效應(yīng)與置信區(qū)間
7．5．2 設(shè)計效應(yīng)與樣本量
7．6 全國犯罪受害者調(diào)查
7．7 抽樣與試驗設(shè)計*
7．8 練習(xí)
第8章 無回答
8．1 忽略無回答的后果
8．2 設(shè)計調(diào)查以減少非抽樣誤差
8．3 回訪與二相抽樣
8．4 無回答機制
8．5 無回答加權(quán)調(diào)整方法
8．5．1 加權(quán)組調(diào)整
8．5．2 事后分層
8．5．2．1 權(quán)事后分層
8．5．2．2 搜索調(diào)整法
8．5．3 估計回答概率：其他方法
8．5．4 關(guān)于加權(quán)的注意事項
8．6 插補
8．6．1 演繹插補
8．6．2 單元格均值插補
8．6．3 熱卡插補
8．6．4 回歸插補
8．6．5 冷卡插補
8．6．6 替代法
8．6．7 多重插補
8．6．8 插補的優(yōu)勢與缺陷
8．7 無回答的參數(shù)模型*
8．8 可接受的回答率是多少
8．9 練習(xí)
第9章 復(fù)雜調(diào)查中的方差估計*
9．1 線性化（Taylor級數(shù)）方法
9．2 隨機組方法
9．2．1 調(diào)查設(shè)計的復(fù)制
9．2．2 將樣本劃分為隨機組
9．3 再抽樣與復(fù)制方法
9．3．1 平衡重復(fù)復(fù)制（BRR）
9．3．1．1 分層隨機樣本中的BRR
9．3．1．2 分層多階調(diào)查中的BRR
9．3．2 Jackknife方法
9．3．3 Bootstrap方法
9．4 廣義方差函數(shù)
9．5 置信區(qū)間
9．5．1 總體總量的光滑函數(shù)的置信區(qū)間
9．5．2 總體分位數(shù)的置信區(qū)間
9．5．3 條件置信區(qū)間
9．6 總結(jié)和軟件
9．7 練習(xí)
第10章 復(fù)雜調(diào)查中的分類數(shù)據(jù)分析*
10．1 多項抽樣的卡方檢驗
10．1．1 因素的獨立性檢驗
10．1．2 比例的齊性檢驗
10．1．3 擬合優(yōu)度檢驗
10．2 關(guān)于卡方檢驗的調(diào)查設(shè)計效應(yīng)
10．2．1 復(fù)雜調(diào)查數(shù)據(jù)的列聯(lián)表分析
10．2．2 對于假設(shè)檢驗和置信區(qū)間的影響
10．3 卡方檢驗的校正
10．3．1 Wald檢驗
10．3．2 Bonferroni檢驗
10．3．3 與卡方分布的矩進行匹配
10．3．4 基于模型的卡方檢驗方法
10．4 對數(shù)線性模型
10．4．1 多項抽樣的對數(shù)線性模型
10．4．2 復(fù)雜調(diào)查中的對數(shù)線性模型
10．5 練習(xí)
第11章 復(fù)雜調(diào)查數(shù)據(jù)的回歸*
11．1 簡單隨機抽樣下基于模型的回歸
11．2 復(fù)雜調(diào)查中的回歸 341
11．2．1 點估計 342
11．2．2 標(biāo)準(zhǔn)誤 345
11．2．2．1 用線性化方法估計標(biāo)準(zhǔn)誤
11．2．2．2 用Jackknife方法估計標(biāo)準(zhǔn)誤
11．2．3 矩陣形式的多元回歸 348
11．2．4 使用權(quán)數(shù)的回歸與加權(quán)最小二乘
11．2．5 復(fù)雜調(diào)查的回歸分析軟件
11．3 在回歸中應(yīng)該使用權(quán)數(shù)嗎
11．4 整群樣本的混合模型
11．5 Logistic回歸
11．6 總體總量的廣義回歸估計
11．7 練習(xí)
第12章 抽樣中的其他論題*
12．1 二相抽樣
12．1．1 二相抽樣理論
12．1．2 二相抽樣的比率估計
12．1．3 用于分層的二相抽樣
12．2 捕獲-再捕獲估計
12．2．1 捕獲-再捕獲試驗的列聯(lián)表
12．2．2 N的置信區(qū)間
12．2．3 利用名單應(yīng)用捕獲-再捕獲方法
12．2．4 多重再捕獲估計
12．3 對域估計的再次討論
12．3．1 復(fù)雜調(diào)查中的域均值
12．3．2 小區(qū)域估計
12．4 稀有事件抽樣
12．4．1 按不等比例分配的分層抽樣
12．4．2 二相抽樣
12．4．3 多抽樣框調(diào)查
12．4．4 網(wǎng)絡(luò)抽樣
12．4．5 滾雪球抽樣
12．4．6 序貫抽樣
12．4．7 稀有總體抽樣中的無回答
12．5 隨機化回答
12．6 練習(xí)
附錄Ⅰ 抽樣中使用的概率概念
Ⅰ．1 概率
Ⅰ．2 隨機變量與期望值
Ⅰ．3 條件概率
Ⅰ．4 條件期望
附錄Ⅱ 數(shù)據(jù)集
附錄Ⅱ 例中使用的計算機代碼
附錄Ⅳ 統(tǒng)計表
參考文獻