基于伪总体自助法的空间总体设计推断

《Environmental and Ecological Statistics》:Pseudo-population bootstrap for design-based inference on spatial populations

【字体: 大 中 小 】 时间:2026年08月08日 来源:Environmental and Ecological Statistics 2.2

编辑推荐:

  本文探讨了基于设计推断框架下的方差或均方误差估计,聚焦于空间调查中常用的广泛估计量类及抽样方案,涵盖连续总体和有限区域总体。具体而言,研究人员提出了伪总体自助法(pseudo-population bootstrap, PPB)。该方法涉及利用反距离权重插值器

  
本文探讨了基于设计推断框架下的方差或均方误差估计,聚焦于空间调查中常用的广泛估计量类及抽样方案,涵盖连续总体和有限区域总体。具体而言,研究人员提出了伪总体自助法(pseudo-population bootstrap, PPB)。该方法涉及利用反距离权重插值器(inverse distance weighting interpolator, IDW)从样本数据构建空间伪总体,然后使用与原始样本相同的抽样方案从伪总体中抽取自助样本。所得方差或均方误差估计量的性质通过理论研究和模拟实验进行评估。考虑了两个案例研究。
**论文解读:基于伪总体自助法的空间总体设计推断**

**研究背景与问题**
在空间调查中,设计推断(design-based inference)被广泛用于估计总体参数,其不确定性仅来源于抽样方案。空间总体可分为连续总体(如研究区域上的密度曲面)和有限区域总体(如划分后的网格单元)。常用的抽样方案(如层内单点抽样OPSS、系统抽样SYS、网格分层抽样TSS等)旨在实现空间均衡,以减少邻近位置的相似性带来的冗余。然而,许多空间均衡方案是非可测的(not measurable),导致无法获得霍维茨-汤普森(HT)型估计量的无偏方差估计。对于广义回归估计量、生态多样性指数、空间相关指数等非线性函数,方差估计更加困难,因为均方误差(MSE)的精确表达式难以推导。现有伪总体自助法(PPB)局限于特定问题,缺乏统一的理论框架。因此,需要一种适用于多种空间总体和估计量的通用PPB方法,以可靠地估计方差或均方误差。

**研究内容与意义**
本研究提出基于反距离权重插值器(IDW)构建伪总体的PPB方法,并对其性质进行理论分析和模拟验证。研究人员证明了在连续总体和有限区域总体下,当IDW插值器使用负幂函数(φ(x)=x-α,α>2)且抽样方案具有空间均衡性时,伪总体能收敛到真实总体,进而PPB估计量的期望误差受控于伪总体精度。该方法适用于一大类估计量,包括HT型估计量、比率估计量、回归估计量以及基于插值的插件估计量(如小区域估计量)。论文发表在《Environmental and Ecological Statistics》,为空间映射和小区域估计提供了统一的设计推断工具,弥补了传统模型依赖方法的不足。

**关键技术方法**(不超过250字)
研究人员采用IDW插值器构建伪总体,权重函数为φ(x)=x-α(α>2),其中距离d为欧氏距离或测地距离。对于连续总体,使用TSS或SGS抽样;对于有限区域总体,使用OPSS抽样。通过概率不等式(命题1)建立伪总体精度与抽样方案空间均衡性的关系,并证明当α>2且密度曲面为利普希茨函数时,伪总体精度为O(n(2-α)/(2(1+α)))。基于此,推导PPB估计量(分布函数、MSE、偏差、方差)的期望误差上界(命题2-4),这些上界依赖于伪总体精度ε∞或ε1、估计量的一致性和自助样本数B。模拟数据来自哈佛森林AGB密度(连续总体和区域总体),案例研究包含意大利森林覆盖调查(连续总体,TSS)和托斯卡纳土壤侵蚀调查(区域总体,分层SRSWOR)。

**研究结果**
**6 模拟研究**
- **连续总体**:采用TSS在25、49、100个样本点下进行模拟。对于蒙特卡洛估计量?MC的总方差,PPB估计的标准误差比值(期望/真值)随样本量增加趋近于1,但均小于1;对于小区域估计量?H的根均方误差,比值快速上升并略大于1(最大样本时)。
- **有限区域总体**:采用OPSS在N=140、560、3500个区域(样本量n=N/10)下进行模拟。对于HT估计量?HT的方差,PPB比值类似连续总体;对于小区域估计量?H的根均方误差,比值明显超过1,显示保守性。
- 结论:PPB估计量具有保守倾向,在大样本下表现良好,但在小样本下可能严重低估标准误差或根均方误差。

**7 案例研究**
- **7.1 连续总体(意大利森林覆盖)**:基于IUTI调查(TSS,1217032个点),使用最近邻(NN)插值器构建伪总体(因变量为二分类)。PPB估计?MC的标准误差为6062.09公顷(相对标准误差0.06%),明显低于保守估计的0.13%。三个自然保护区(Monte Soratte、Punta Pizzo、Baragge)的森林覆盖比例估计分别为61.6%、34.9%、40.0%,相对标准误差分别为9.8%、16.5%、8.7%。
- **7.2 有限区域总体(托斯卡纳土壤侵蚀)**:基于2012年调查(分层SRSWOR,5539个农业网格),使用IDW插值器(α=3由交叉验证确定)构建伪总体。PPB估计?HT的标准误差为18.35 km2(相对标准误差3.56%),低于分层方差估计的5.19%。三个侵蚀区(Colline Amiatine、Val d’Arno、Monte Pisano)的侵蚀比例估计分别为14.5%、8.8%、4.8%,相对标准误差分别为11.1%、11.9%、27.2%。

**总结与结论**
讨论部分指出,PPB的保守性并非意外,与Conti等(2020)在热板伪总体下的结果一致,即PPB倾向于产生保守的置信区间。对于大样本,PPB延续了调查抽样中谨慎采用保守估计的传统。然而,小样本时需谨慎使用,因为可能出现相反趋势。研究结论可翻译为:PPB的保守性质不应令人惊讶,因为类似结果在Conti等(2020)的有限总体PPB研究中已出现——当使用热板伪总体(与本文IDW伪总体类似)时,蒙特卡洛结果显示PPB百分位置信区间的覆盖率远高于名义水平0.95,证实了PPB的保守性。实际上,对于足够大的样本,PPB延续了调查抽样中的长期传统,即在无法无偏精确估计方差或均方误差时,审慎地采用保守估计。从实践角度看,本PPB方法允许在利用IDW或NN插值器进行环境属性映射时实施设计推断,为每个映射点提供根均方误差,并支持基于设计框架的小区域估计,这对于国家森林调查等需要全图覆盖和小区域推断的领域至关重要。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号