杨景博, 周琦
由于非概率样本的收集没有明确的抽样设计方案,样本单元的入样概率未知,这对总体推断带来了挑战.现有研究多数采用倾向得分模型来估计非概率样本单元的入样概率.但不当的辅助变量选择可能导致入样概率的估计偏差.针对此问题,本文提出了一种新的基于Adaptive LASSO的变量选择和估计方法,首先,本文在倾向得分模型的伪最大似然方程中加入一个$L_1$惩罚项,以选择重要的辅助变量,并证明了这种选择方法具有变量选择的一致性和参数估计的一致性.接下来,基于估计的倾向得分,给出了关于总体均值的逆倾向得分加权估计量,证明了该估计量的相合性,并提出了一种方差估计方法.模拟研究表明,相比于不进行变量选择的方法以及基于LASSO估计的方法,基于Adaptive LASSO估计方法得到的估计量更加稳健和有效.此外,本文还将所提出的新方法应用于由皮尤研究中心收集的非概率样本中,对国家现状以及人际关系两个指标进行了估计.