候选者数据库网络调查的推断问题是网络调查发展中迫切需要解决的问题. 基于此, 提出基于超总体伪设计与组合样本的非概率抽样推断方法:对网络候选者数据库的调查样本建立超总体模型来构造伪权数,并根据网络候选者数据库的调查样本和概率样本的组合样本计算总体均值的估计,最后根据超总体模型的方差估计理论推导出目标总体均值估计的方差估计式,同时采用Bootstrap与Jackknife方法来估计总体均值估计的方差,并比较不同方差估计方法的效果. 研究结果表明: 基于超总体伪设计与组合样本的总体均值估计效率高于仅使用概率样本的估计和仅使用网络候选者数据库的调查样本加权的估计,估计效果较好; 方差估计方面, 采用VM1、VM2与VM3方法计算的方差估计相比而言更好.
在有限总体推断问题中,辅助总体信息是经常可获取的.经验似然方法已被证实是一种非常灵活和有用的工具来处理这类问题.在两样本密度比模型下, 本文考虑了基准分布的总体均值的经验似然推断问题.对基于密度比模型的经验似然而言, 对偶似然是一种便利的技术工具,尽管它与标准的经验似然具有相同的极值点和极值,
但是它却不能方便地把此类辅助信息引入到似然函数里, 因此会导致效率损失.相对而言, Qin和Lawless\ucite{21}提出的标准的经验似然方法不会有此问题,且能方便地引入辅助信息. 基于使用辅助信息的经验似然和对偶似然方法,我们构建了点估计和区间估计, 并做了仔细的比较. 模拟发现,尽管使用辅助信息的经验似然方法得到的点估计的效率提升很小,但是区间估计在一些情形下却有明显的差别. 拿覆盖精度来说,在无偏或适当有偏的总体分布下, 两种方法得到的区间估计是可比的,但当总体严重有偏时, 前者的区间估计明显优于后者.