輔助信息在我國服務業(yè)抽樣調(diào)查中的應用研究

摘 要：服務業(yè)在我國經(jīng)濟轉(zhuǎn)型結(jié)構(gòu)中越來越受到重視。當前，雖然我國統(tǒng)計部門為我國服務業(yè)的核算積累了大量的統(tǒng)計數(shù)據(jù)，但由于我國服務業(yè)統(tǒng)計調(diào)查起步較晚，在抽樣調(diào)查方法上還存在很多的改善之處，尤其是當服務業(yè)總體單位較為頻繁的變動時，現(xiàn)存的抽樣估計方法存在精度不高、估計效果不好的問題。為了解決這一問題，本文提出了基于輔助信息的廣義回歸估計方法和局部多項式方法，并給出了估計量的性質(zhì)和方差。

關(guān)鍵詞：服務業(yè)；抽樣估計；輔助信息

引言

隨著我國社會主義市場經(jīng)濟迅速發(fā)展，服務業(yè)在我國的國民經(jīng)濟中所占比重逐年提升。2017年，我國服務業(yè)增加值427032億元，占全國GDP比重為51.6%；服務業(yè)增加值比上年增長8.0%，比國內(nèi)生產(chǎn)總值和第二產(chǎn)業(yè)增加值增速分別高出1.1和1.9個百分點，已連續(xù)五年在三次產(chǎn)業(yè)中領(lǐng)跑；服務業(yè)增長對國民經(jīng)濟增長的貢獻率為58.8%；拉動全國GDP增長4.0個百分點。雖然我國服務業(yè)的發(fā)展取得了巨大的成就，但與發(fā)達國家服務業(yè)相比，我國的服務業(yè)水平還明顯落后。因此，若要進一步提高我國經(jīng)濟發(fā)展水平，實現(xiàn)經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型，繼續(xù)提高服務業(yè)在國民經(jīng)濟中的比重至關(guān)重要。這就依賴于相關(guān)統(tǒng)計部門提供翔實可靠的服務業(yè)統(tǒng)計數(shù)據(jù)。因此，服務業(yè)的統(tǒng)計調(diào)查工作在政府統(tǒng)計工作中的作用就顯得十分突出。相對于農(nóng)業(yè)和工業(yè)統(tǒng)計調(diào)查工作而言，我國的服務業(yè)統(tǒng)計調(diào)查工作起步較晚，基礎(chǔ)建設以及相關(guān)制度法規(guī)都相對落后，導致關(guān)于服務業(yè)的統(tǒng)計數(shù)據(jù)的質(zhì)量較低。近年來，得益于國家統(tǒng)計局 的“四大工程”建設不斷推進，包括服務業(yè)統(tǒng)計調(diào)查在內(nèi)的各種市場經(jīng)濟主體的統(tǒng)計調(diào)查數(shù)據(jù)質(zhì)量有所提高。但是，對服務業(yè)有著巨大作用的龐大個體經(jīng)營戶和眾多新型服務業(yè)的單位仍然未能覆蓋；其次從所采用的抽樣調(diào)查的方法來看，仍然存在一些很多改善提高之處。從抽樣估計方法來看，普遍采用一次性抽樣方案設計，進行簡單的抽樣估計，很少采用廣義回歸估計、非參數(shù)回歸估計等先進的調(diào)查技術(shù)。忽視這些問題則會帶來服務業(yè)的相關(guān)數(shù)據(jù)的調(diào)查結(jié)果精度不高，進而影響服務業(yè)政策的合理制定實施。

為此，本文以服務業(yè)統(tǒng)計調(diào)查為研究對象，在總結(jié)現(xiàn)存服務業(yè)調(diào)查的缺陷基礎(chǔ)上，提出基于輔助信息的開展服務業(yè)抽樣調(diào)查的方法，給出具體的估計方法和估計量的性質(zhì)，進而豐富我國的服務業(yè)調(diào)查方法。

一、我國服務業(yè)抽樣調(diào)查存在的問題

2011年以來，國家統(tǒng)計局實施了服務業(yè)財務統(tǒng)計報表制度，重點服務業(yè)調(diào)查制度和小微企業(yè)調(diào)查制度，至此，我國全面、統(tǒng)一、規(guī)范的服務業(yè)統(tǒng)計調(diào)查制度的基本框架才形成起來。這些工作的開展在一定程度上能夠彌補我國整體統(tǒng)計工作鏈條中最薄弱環(huán)節(jié)的不足，也標志著我國服務業(yè)統(tǒng)計調(diào)查體系向現(xiàn)代化邁進。雖然我國服務業(yè)統(tǒng)計調(diào)查工作改革初見成效，但是也應當看到服務業(yè)統(tǒng)計調(diào)查體系仍然存在問題，就抽樣調(diào)查方面而言主要有下面三個方面的問題：

（一）服務業(yè)總體單位變動較大，抽樣框范圍覆蓋不全

對于規(guī)模以下服務業(yè)來說，我國現(xiàn)行的制度是采用抽樣調(diào)查為主，但是該類服務業(yè)的總體單位變動較大（例如個體經(jīng)營戶），在抽樣調(diào)查時候利用單一的抽樣框不能完全覆蓋抽樣總體單位，導致抽樣估計的效果不好。而對于規(guī)模以上的服務業(yè)單位來說，僅僅只是針對其中的重點企業(yè)系統(tǒng)內(nèi)部進行調(diào)查，無疑會降低服務業(yè)在國民經(jīng)濟中所占的比重，調(diào)查數(shù)據(jù)的質(zhì)量也不能反映真實經(jīng)濟情況。經(jīng)濟社會的飛速發(fā)展，新的現(xiàn)代服務業(yè)和相關(guān)單位不斷的出現(xiàn)，只有不斷完善和改進原有的抽樣框范圍才能滿足這些新興服務業(yè)數(shù)據(jù)收集的需要。

（二）未能從分利用抽樣調(diào)查中的輔助信息

在抽樣調(diào)查中，那些與研究變量相聯(lián)系的信息稱之為輔助信息 [1]。由于輔助信息與抽樣調(diào)查中的研究變量有著十分密切的關(guān)系，由于輔助信息與抽樣調(diào)查中的研究變量有著十分密切的關(guān)系，因此能否充分利用這些輔助信息，將會直接影響到抽樣調(diào)查效果的好壞。在抽樣調(diào)查中的抽樣設計和抽樣估計兩個階段，都可以直接應用輔助信息，例如在設計階段根據(jù)輔助信息可以構(gòu)建抽樣框、確定層數(shù)、插補數(shù)據(jù)等；在估計階段，為了得到總體總值或者總體均值的估計量，利用輔助信息建立起的比率估計量和回歸估計量往往能夠取得很好的效果。。我國的稅務、工商、海關(guān)、公安和金融等政府部門，在日常的公務和管理中產(chǎn)生了大量的行政記錄這些輔助信息，其利用空間巨大。但是目前在服務業(yè)抽樣估計中，很少采用這些與目標總體單位相關(guān)的信息。

（三）抽樣估計方法滯后，導致估計效果不好

一直以來，我國政府統(tǒng)計調(diào)查在抽樣估計環(huán)節(jié)一直是采用的是簡單估計方法：即直接利用樣本的數(shù)據(jù)去估計總體總值或者總體均值的數(shù)據(jù)。但在實際情況中，很多服務業(yè)的數(shù)據(jù)由于很多原因無法直接獲取，對于很多調(diào)查的研究變量來說，相關(guān)數(shù)據(jù)的缺失導致樣本的代表性降低，而利用傳統(tǒng)的基于設計的抽樣估計方法（例如簡單隨機抽樣）得到的估計結(jié)果往往精度不高。基于模型的估計方法雖然估計精度很高，但是估計量的性質(zhì)往往依賴于模型，例如要求輔助變量信息完全、輔助變量和研究變量之間存在完全的線性關(guān)系等。目前，國外在實際的服務業(yè)抽樣調(diào)查中，采用的模型輔助估計方法，從分利用了輔助信息，很好地解決了這一問題，但是國內(nèi)方面，則未見該方法的應用。

二、輔助信息在服務業(yè)抽樣調(diào)查中的應用

輔助信息在抽樣估計中發(fā)揮著巨大的作用，一方面對于研究變量的缺失是一個補充，另一個方面可以很大提高估計的精度。在我國服務業(yè)抽樣調(diào)查中，存在大量的輔助信息，如果能從分利用這些輔助信息，則會很大提高抽樣估計的精度，進而達到抽樣調(diào)查的目的。下文將介紹包含輔助信息的兩種常用的抽樣估計方法，廣義回歸估計方法和局部多項式方法。

（一）廣義回歸估計方法

廣義回歸估計量（GREG）是（Cassel， Srndal 和Wretman， 1976， Sndal， Swensson 和 Wretman， 1992）應用最廣泛的模型輔助估計量，廣義回歸估計量是利用研究變量與輔助變量之間的相關(guān)關(guān)系，運用回歸分析這一工具，進行回歸估計，在抽樣調(diào)查中是一種很重要的估計量。其估計方法（·）采用的是線性函數(shù)的形式：

從上式可以看到計算 GREG估計量需要樣本數(shù)據(jù)的研究變量值和輔助變量值， 這兩項可以通過調(diào)查抽樣得到的樣本來得到。同時還需要利用輔助變量總體總值或均值， 但并不需要總體每一個單元的輔助變量值，顯然在實際應用中，這是比較容易得到滿足的條件，所以GREG估計量較為容易進行運用 Srndal， Swensson 和 Wretman （1992）對GREG估計量做了綜合的分析并把它推廣到多階抽樣和多重抽樣設計中。

GREG估計量具有很多的優(yōu)點，只需要利用樣本的輔助變量的信息而不需要全部整體的輔助變量即可得到關(guān)于總體的估計量，在實際應用中，當研究變量和輔助變量呈現(xiàn)線性關(guān)系時，GREG估計量的估計效果很好，估計精度也通常會很高。但是在實際情況中，會遇到各種各樣的總體情況，有時候研究變量和輔助變量的關(guān)系較為復雜，根本不是線性關(guān)系，這時候GREG估計效果不好。為了更好的刻畫研究變量和輔助變量的關(guān)系，提高模型輔助估計方法的適用性，非參數(shù)方法應運而生。比如下面介紹的方法，對（·）采用局部多項式回歸。此外，盡管GREG估計量針對多元輔助變量有很好的適用性，但具體到數(shù)據(jù)類型，比如輔助變量時分類變量的情形時，GREG估計量處理起來顯得特別復雜，而采用非參數(shù)估計量則能夠取得很好的效果。

（二）局部多項式回歸方法

Breidt 和 Opsomer（2000）對模型總體μ（·）進行這樣的處理，假定μ（·）是一元輔助變量x的光滑函數(shù)，對μ（·）的估計方法采取了非參數(shù)回歸中的局部多項式回歸。主要的方法如下：

三、總結(jié)與展望

本文針對我國服務業(yè)抽樣調(diào)查中現(xiàn)行抽樣調(diào)查存在的問題，在已有的抽樣估計理論研究的基礎(chǔ)上，結(jié)合服務業(yè)抽樣調(diào)查的實際情況，提出基于輔助信息的服務業(yè)抽樣估計方法的思路，并對估計量的性質(zhì)做了研究。通過本文的研究，建立了一套基于輔助信息服務業(yè)抽樣估計方法，可為我國政府統(tǒng)計部門搜集更為準確的服務業(yè)數(shù)據(jù)，為制定正確的經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型升級政策提供數(shù)據(jù)支持。限于篇幅，本文未就提出的抽樣估計方法的功效進行檢驗與比較，也未能在實際的服務業(yè)抽樣中進行具體實施，這也將是下一階段的工作方向所在。

參考文獻：

[1] 劉建平.輔助信息在抽樣調(diào)查中的應用模型和方法[M].北京：中國統(tǒng)計出版社，2008.

[2] Srndal C.E.On π-inverse Weighting Versus Best Linear Unbiased Weighting in Probability Sampling[J].Biometrika，1980，（67）：639-650.

[3]Srndal C.E，Swensson B and Wretman J（1992）.Model Assisted Survey Sampling[M].Springer-Verlag，New York.

[4]Breidt F J，Opsomer J D.Local polynomial regression estimators in survey sampling[J].The Annals of Statistics，2000，（28）：1026-1053.

作者簡介：

陳飛，華南理工大學經(jīng)濟與貿(mào)易學院。