论文部分内容阅读
摘 要：服务业在我国经济转型结构中越来越受到重视。当前，虽然我国统计部门为我国服务业的核算积累了大量的统计数据，但由于我国服务业统计调查起步较晚，在抽样调查方法上还存在很多的改善之处，尤其是当服务业总体单位较为频繁的变动时，现存的抽样估计方法存在精度不高、估计效果不好的问题。为了解决这一问题，本文提出了基于辅助信息的广义回归估计方法和局部多项式方法，并给出了估计量的性质和方差。
关键词：服务业；抽样估计；辅助信息
引言
随着我国社会主义市场经济迅速发展，服务业在我国的国民经济中所占比重逐年提升。2017年，我国服务业增加值427032亿元，占全国GDP比重为51.6%；服务业增加值比上年增长8.0%，比国内生产总值和第二产业增加值增速分别高出1.1和1.9个百分点，已连续五年在三次产业中领跑；服务业增长对国民经济增长的贡献率为58.8%；拉动全国GDP增长4.0个百分点。虽然我国服务业的发展取得了巨大的成就，但与发达国家服务业相比，我国的服务业水平还明显落后。因此，若要进一步提高我国经济发展水平，实现经济结构转型，继续提高服务业在国民经济中的比重至关重要。这就依赖于相关统计部门提供翔实可靠的服务业统计数据。因此，服务业的统计调查工作在政府统计工作中的作用就显得十分突出。相对于农业和工业统计调查工作而言，我国的服务业统计调查工作起步较晚，基础建设以及相关制度法规都相对落后，导致关于服务业的统计数据的质量较低。近年来，得益于国家统计局 的“四大工程”建设不断推进，包括服务业统计调查在内的各种市场经济主体的统计调查数据质量有所提高。但是，对服务业有着巨大作用的庞大个体经营户和众多新型服务业的单位仍然未能覆盖；其次从所采用的抽样调查的方法来看，仍然存在一些很多改善提高之处。从抽样估计方法来看，普遍采用一次性抽样方案设计，进行简单的抽样估计，很少采用广义回归估计、非参数回归估计等先进的调查技术。忽视这些问题则会带来服务业的相关数据的调查结果精度不高，进而影响服务业政策的合理制定实施。
为此，本文以服务业统计调查为研究对象，在总结现存服务业调查的缺陷基础上，提出基于辅助信息的开展服务业抽样调查的方法，给出具体的估计方法和估计量的性质，进而丰富我国的服务业调查方法。
一、我国服务业抽样调查存在的问题
2011年以来，国家统计局实施了服务业财务统计报表制度，重点服务业调查制度和小微企业调查制度，至此，我国全面、统一、规范的服务业统计调查制度的基本框架才形成起来。这些工作的开展在一定程度上能够弥补我国整体统计工作链条中最薄弱环节的不足，也标志着我国服务业统计调查体系向现代化迈进。虽然我国服务业统计调查工作改革初见成效，但是也应当看到服务业统计调查体系仍然存在问题，就抽样调查方面而言主要有下面三个方面的问题：
（一）服务业总体单位变动较大，抽样框范围覆盖不全
对于规模以下服务业来说，我国现行的制度是采用抽样调查为主，但是该类服务业的总体单位变动较大（例如个体经营户），在抽样调查时候利用单一的抽样框不能完全覆盖抽样总体单位，导致抽样估计的效果不好。而对于规模以上的服务业单位来说，仅仅只是针对其中的重点企业系统内部进行调查，无疑会降低服务业在国民经济中所占的比重，调查数据的质量也不能反映真实经济情况。经济社会的飞速发展，新的现代服务业和相关单位不断的出现，只有不断完善和改进原有的抽样框范围才能满足这些新兴服务业数据收集的需要。
（二）未能从分利用抽样调查中的辅助信息
在抽样调查中，那些与研究变量相联系的信息称之为辅助信息 [1]。由于辅助信息与抽样调查中的研究变量有着十分密切的关系，由于辅助信息与抽样调查中的研究变量有着十分密切的关系，因此能否充分利用這些辅助信息，将会直接影响到抽样调查效果的好坏。在抽样调查中的抽样设计和抽样估计两个阶段，都可以直接应用辅助信息，例如在设计阶段根据辅助信息可以构建抽样框、确定层数、插补数据等；在估计阶段，为了得到总体总值或者总体均值的估计量，利用辅助信息建立起的比率估计量和回归估计量往往能够取得很好的效果。。我国的税务、工商、海关、公安和金融等政府部门，在日常的公务和管理中产生了大量的行政记录这些辅助信息，其利用空间巨大。但是目前在服务业抽样估计中，很少采用这些与目标总体单位相关的信息。
（三）抽样估计方法滞后，导致估计效果不好
一直以来，我国政府统计调查在抽样估计环节一直是采用的是简单估计方法：即直接利用样本的数据去估计总体总值或者总体均值的数据。但在实际情况中，很多服务业的数据由于很多原因无法直接获取，对于很多调查的研究变量来说，相关数据的缺失导致样本的代表性降低，而利用传统的基于设计的抽样估计方法（例如简单随机抽样）得到的估计结果往往精度不高。基于模型的估计方法虽然估计精度很高，但是估计量的性质往往依赖于模型，例如要求辅助变量信息完全、辅助变量和研究变量之间存在完全的线性关系等。目前，国外在实际的服务业抽样调查中，采用的模型辅助估计方法，从分利用了辅助信息，很好地解决了这一问题，但是国内方面，则未见该方法的应用。
二、辅助信息在服务业抽样调查中的应用
辅助信息在抽样估计中发挥着巨大的作用，一方面对于研究变量的缺失是一个补充，另一个方面可以很大提高估计的精度。在我国服务业抽样调查中，存在大量的辅助信息，如果能从分利用这些辅助信息，则会很大提高抽样估计的精度，进而达到抽样调查的目的。下文将介绍包含辅助信息的两种常用的抽样估计方法，广义回归估计方法和局部多项式方法。
（一）广义回归估计方法
广义回归估计量（GREG）是（Cassel， Srndal 和Wretman， 1976， Sndal， Swensson 和 Wretman， 1992）应用最广泛的模型辅助估计量，广义回归估计量是利用研究变量与辅助变量之间的相关关系，运用回归分析这一工具，进行回归估计，在抽样调查中是一种很重要的估计量。其估计方法（·）采用的是线性函数的形式： 从上式可以看到计算 GREG估计量需要样本数据的研究变量值和辅助变量值， 这两项可以通过调查抽样得到的样本来得到。同时还需要利用辅助变量总体总值或均值， 但并不需要总体每一个单元的辅助变量值，显然在实际应用中，这是比较容易得到满足的条件，所以GREG估计量较为容易进行运用 Srndal， Swensson 和 Wretman （1992）对GREG估计量做了综合的分析并把它推广到多阶抽样和多重抽样设计中。
GREG估计量具有很多的优点，只需要利用样本的辅助变量的信息而不需要全部整体的辅助变量即可得到关于总体的估计量，在实际应用中，当研究变量和辅助变量呈现线性关系时，GREG估计量的估计效果很好，估计精度也通常会很高。但是在实际情况中，会遇到各种各样的总体情况，有时候研究变量和辅助变量的关系较为复杂，根本不是线性关系，这时候GREG估计效果不好。为了更好的刻画研究变量和辅助变量的关系，提高模型辅助估计方法的适用性，非参数方法应运而生。比如下面介绍的方法，对（·）采用局部多项式回归。此外，尽管GREG估计量针对多元辅助变量有很好的适用性，但具体到数据类型，比如辅助变量时分类变量的情形时，GREG估计量处理起来显得特别复杂，而采用非参数估计量则能够取得很好的效果。
（二）局部多项式回归方法
Breidt 和 Opsomer（2000）对模型总体μ（·）进行这样的处理，假定μ（·）是一元辅助变量x的光滑函数，对μ（·）的估计方法采取了非参数回归中的局部多项式回归。主要的方法如下：
三、总结与展望
本文针对我国服务业抽样调查中现行抽样调查存在的问题，在已有的抽样估计理论研究的基础上，结合服务业抽样调查的实际情况，提出基于辅助信息的服务业抽样估计方法的思路，并对估计量的性质做了研究。通过本文的研究，建立了一套基于辅助信息服务业抽样估计方法，可为我国政府统计部门搜集更为准确的服务业数据，为制定正确的经济结构转型升级政策提供数据支持。限于篇幅，本文未就提出的抽样估计方法的功效进行检验与比较，也未能在實际的服务业抽样中进行具体实施，这也将是下一阶段的工作方向所在。
参考文献：
[1] 刘建平.辅助信息在抽样调查中的应用模型和方法[M].北京：中国统计出版社，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.
作者简介：
陈飞，华南理工大学经济与贸易学院。
关键词：服务业；抽样估计；辅助信息
引言
随着我国社会主义市场经济迅速发展，服务业在我国的国民经济中所占比重逐年提升。2017年，我国服务业增加值427032亿元，占全国GDP比重为51.6%；服务业增加值比上年增长8.0%，比国内生产总值和第二产业增加值增速分别高出1.1和1.9个百分点，已连续五年在三次产业中领跑；服务业增长对国民经济增长的贡献率为58.8%；拉动全国GDP增长4.0个百分点。虽然我国服务业的发展取得了巨大的成就，但与发达国家服务业相比，我国的服务业水平还明显落后。因此，若要进一步提高我国经济发展水平，实现经济结构转型，继续提高服务业在国民经济中的比重至关重要。这就依赖于相关统计部门提供翔实可靠的服务业统计数据。因此，服务业的统计调查工作在政府统计工作中的作用就显得十分突出。相对于农业和工业统计调查工作而言，我国的服务业统计调查工作起步较晚，基础建设以及相关制度法规都相对落后，导致关于服务业的统计数据的质量较低。近年来，得益于国家统计局 的“四大工程”建设不断推进，包括服务业统计调查在内的各种市场经济主体的统计调查数据质量有所提高。但是，对服务业有着巨大作用的庞大个体经营户和众多新型服务业的单位仍然未能覆盖；其次从所采用的抽样调查的方法来看，仍然存在一些很多改善提高之处。从抽样估计方法来看，普遍采用一次性抽样方案设计，进行简单的抽样估计，很少采用广义回归估计、非参数回归估计等先进的调查技术。忽视这些问题则会带来服务业的相关数据的调查结果精度不高，进而影响服务业政策的合理制定实施。
为此，本文以服务业统计调查为研究对象，在总结现存服务业调查的缺陷基础上，提出基于辅助信息的开展服务业抽样调查的方法，给出具体的估计方法和估计量的性质，进而丰富我国的服务业调查方法。
一、我国服务业抽样调查存在的问题
2011年以来，国家统计局实施了服务业财务统计报表制度，重点服务业调查制度和小微企业调查制度，至此，我国全面、统一、规范的服务业统计调查制度的基本框架才形成起来。这些工作的开展在一定程度上能够弥补我国整体统计工作链条中最薄弱环节的不足，也标志着我国服务业统计调查体系向现代化迈进。虽然我国服务业统计调查工作改革初见成效，但是也应当看到服务业统计调查体系仍然存在问题，就抽样调查方面而言主要有下面三个方面的问题：
（一）服务业总体单位变动较大，抽样框范围覆盖不全
对于规模以下服务业来说，我国现行的制度是采用抽样调查为主，但是该类服务业的总体单位变动较大（例如个体经营户），在抽样调查时候利用单一的抽样框不能完全覆盖抽样总体单位，导致抽样估计的效果不好。而对于规模以上的服务业单位来说，仅仅只是针对其中的重点企业系统内部进行调查，无疑会降低服务业在国民经济中所占的比重，调查数据的质量也不能反映真实经济情况。经济社会的飞速发展，新的现代服务业和相关单位不断的出现，只有不断完善和改进原有的抽样框范围才能满足这些新兴服务业数据收集的需要。
（二）未能从分利用抽样调查中的辅助信息
在抽样调查中，那些与研究变量相联系的信息称之为辅助信息 [1]。由于辅助信息与抽样调查中的研究变量有着十分密切的关系，由于辅助信息与抽样调查中的研究变量有着十分密切的关系，因此能否充分利用這些辅助信息，将会直接影响到抽样调查效果的好坏。在抽样调查中的抽样设计和抽样估计两个阶段，都可以直接应用辅助信息，例如在设计阶段根据辅助信息可以构建抽样框、确定层数、插补数据等；在估计阶段，为了得到总体总值或者总体均值的估计量，利用辅助信息建立起的比率估计量和回归估计量往往能够取得很好的效果。。我国的税务、工商、海关、公安和金融等政府部门，在日常的公务和管理中产生了大量的行政记录这些辅助信息，其利用空间巨大。但是目前在服务业抽样估计中，很少采用这些与目标总体单位相关的信息。
（三）抽样估计方法滞后，导致估计效果不好
一直以来，我国政府统计调查在抽样估计环节一直是采用的是简单估计方法：即直接利用样本的数据去估计总体总值或者总体均值的数据。但在实际情况中，很多服务业的数据由于很多原因无法直接获取，对于很多调查的研究变量来说，相关数据的缺失导致样本的代表性降低，而利用传统的基于设计的抽样估计方法（例如简单随机抽样）得到的估计结果往往精度不高。基于模型的估计方法虽然估计精度很高，但是估计量的性质往往依赖于模型，例如要求辅助变量信息完全、辅助变量和研究变量之间存在完全的线性关系等。目前，国外在实际的服务业抽样调查中，采用的模型辅助估计方法，从分利用了辅助信息，很好地解决了这一问题，但是国内方面，则未见该方法的应用。
二、辅助信息在服务业抽样调查中的应用
辅助信息在抽样估计中发挥着巨大的作用，一方面对于研究变量的缺失是一个补充，另一个方面可以很大提高估计的精度。在我国服务业抽样调查中，存在大量的辅助信息，如果能从分利用这些辅助信息，则会很大提高抽样估计的精度，进而达到抽样调查的目的。下文将介绍包含辅助信息的两种常用的抽样估计方法，广义回归估计方法和局部多项式方法。
（一）广义回归估计方法
广义回归估计量（GREG）是（Cassel， Srndal 和Wretman， 1976， Sndal， Swensson 和 Wretman， 1992）应用最广泛的模型辅助估计量，广义回归估计量是利用研究变量与辅助变量之间的相关关系，运用回归分析这一工具，进行回归估计，在抽样调查中是一种很重要的估计量。其估计方法（·）采用的是线性函数的形式： 从上式可以看到计算 GREG估计量需要样本数据的研究变量值和辅助变量值， 这两项可以通过调查抽样得到的样本来得到。同时还需要利用辅助变量总体总值或均值， 但并不需要总体每一个单元的辅助变量值，显然在实际应用中，这是比较容易得到满足的条件，所以GREG估计量较为容易进行运用 Srndal， Swensson 和 Wretman （1992）对GREG估计量做了综合的分析并把它推广到多阶抽样和多重抽样设计中。
GREG估计量具有很多的优点，只需要利用样本的辅助变量的信息而不需要全部整体的辅助变量即可得到关于总体的估计量，在实际应用中，当研究变量和辅助变量呈现线性关系时，GREG估计量的估计效果很好，估计精度也通常会很高。但是在实际情况中，会遇到各种各样的总体情况，有时候研究变量和辅助变量的关系较为复杂，根本不是线性关系，这时候GREG估计效果不好。为了更好的刻画研究变量和辅助变量的关系，提高模型辅助估计方法的适用性，非参数方法应运而生。比如下面介绍的方法，对（·）采用局部多项式回归。此外，尽管GREG估计量针对多元辅助变量有很好的适用性，但具体到数据类型，比如辅助变量时分类变量的情形时，GREG估计量处理起来显得特别复杂，而采用非参数估计量则能够取得很好的效果。
（二）局部多项式回归方法
Breidt 和 Opsomer（2000）对模型总体μ（·）进行这样的处理，假定μ（·）是一元辅助变量x的光滑函数，对μ（·）的估计方法采取了非参数回归中的局部多项式回归。主要的方法如下：
三、总结与展望
本文针对我国服务业抽样调查中现行抽样调查存在的问题，在已有的抽样估计理论研究的基础上，结合服务业抽样调查的实际情况，提出基于辅助信息的服务业抽样估计方法的思路，并对估计量的性质做了研究。通过本文的研究，建立了一套基于辅助信息服务业抽样估计方法，可为我国政府统计部门搜集更为准确的服务业数据，为制定正确的经济结构转型升级政策提供数据支持。限于篇幅，本文未就提出的抽样估计方法的功效进行检验与比较，也未能在實际的服务业抽样中进行具体实施，这也将是下一阶段的工作方向所在。
参考文献：
[1] 刘建平.辅助信息在抽样调查中的应用模型和方法[M].北京：中国统计出版社，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.
作者简介：
陈飞，华南理工大学经济与贸易学院。