KNOWECON WIKI

ARTICLE

小区域估计

小区域估计 (Small Area Estimation) 小区域估计 (Small Area Estimation, SAE) 是一类统计方法的总称，旨在为样本量极小甚至为零的地理区域、人口子群或其他细分领域提供可靠的统计推断。当传统抽样调查设计仅保证全国或大区域层面的估计精度时，小区域（如县级、街区、特定年龄段-性别交叉分组等）内的样本量往往不足以支撑基

浏览 0 更新 2026-01-06

小区域估计 (Small Area Estimation)

小区域估计 (Small Area Estimation, SAE) 是一类统计方法的总称，旨在为样本量极小甚至为零的地理区域、人口子群或其他细分领域提供可靠的统计推断。当传统抽样调查设计仅保证全国或大区域层面的估计精度时，小区域（如县级、街区、特定年龄段-性别交叉分组等）内的样本量往往不足以支撑基于设计的直接估计——直接使用小区域内的有限样本所得估计量方差过大，甚至因无样本而完全不可计算。小区域估计的核心策略是借力 (Borrow Strength)：通过显式统计模型将相关小区域或辅助数据（如普查变量、行政记录、遥感数据）的信息引入估计过程，从而在偏差与方差之间取得更优的权衡。

小区域估计在官方统计、公共政策和流行病学等领域具有广泛且紧迫的需求。美国人口调查局的 SAIPE 项目利用小区域模型估计各州各县的贫困率和收入指标，直接用于联邦资金分配；世界银行的贫困地图 (Poverty Mapping) 将生活水平测量调查与人口普查数据结合，生成县级乃至更精细的贫困发生率地图；公共健康监测中，州级行为风险因素调查往往无法支撑县级慢性病患病率的估计，SAE 方法填补了这一缺口。此外，劳动力市场的局部失业率估计、农业产量预测中的县级作物面积估算，以及环境暴露评估中污染物浓度的小尺度制图，均依赖小区域估计技术从稀疏数据中提取可靠信号。

基于设计的直接估计

设总体由 mm 个小区域构成，第 ii 个小区域包含 NiN_i 个单位。直接估计量仅使用本区域样本计算目标参数（如均值、比例）：

yˉidir=1ni∑j=1niyij\bar{y}_i^{\text{dir}} = \frac{1}{n_i} \sum_{j=1}^{n_i} y_{ij}

当 nin_i 足够大时，基于设计的直接估计量具有近似无偏性且无需模型假设。但当 nin_i 很小（甚至为零）时，直接估计量的方差约等于 σ2/ni\sigma^2 / n_i，会变得极大而失去实用价值。这正是小区域估计需要模型辅助的根本原因。

区域层次模型：Fay-Herriot 模型

Fay-Herriot模型 (Fay \& Herriot, 1979) 是最经典的区域层次 (Area-Level) SAE 模型。它将直接估计量 θ^idir\hat{\theta}_i^{\text{dir}} 作为观测，通过线性混合模型引入区域级协变量 xi\mathbf{x}_i：

θ^idir=xi⊤β+ui+ei,i=1,…,m\hat{\theta}_i^{\text{dir}} = \mathbf{x}_i^\top \boldsymbol{\beta} + u_i + e_i, \quad i = 1, \ldots, m

其中 ui∼N(0,σu2)u_i \sim \mathcal{N}(0, \sigma_u^2) 为区域随机效应，刻画协变量未能解释的区域间异质性；ei∼N(0,ψi)e_i \sim \mathcal{N}(0, \psi_i) 为抽样误差，其方差 ψi\psi_i 通常假定已知（即直接估计量的估计方差）。模型的经验最佳线性无偏预测 (EBLUP) 为：

θ^iFH=γ^iθ^idir+(1−γ^i) xi⊤β^\hat{\theta}_i^{\text{FH}} = \hat{\gamma}_i \hat{\theta}_i^{\text{dir}} + (1 - \hat{\gamma}_i) \, \mathbf{x}_i^\top \hat{\boldsymbol{\beta}}

其中收缩因子 γ^i=σ^u2/(σ^u2+ψi)\hat{\gamma}_i = \hat{\sigma}_u^2 / (\hat{\sigma}_u^2 + \psi_i) 决定了直接估计与回归合成估计之间的权重分配：当抽样误差 ψi\psi_i 较大时，γ^i\hat{\gamma}_i 趋近于零，估计值向回归预测收缩，即更多地"借力"于协变量提供的结构性信息。

单元层次模型：Battese-Harter-Fuller 模型

当可以获得单元级别的辅助数据（如普查微观数据）时，单元层次 (Unit-Level) 模型通常更有效率。Battese、Harter 与 Fuller (1988) 提出的嵌套误差回归模型是典型代表：

yij=xij⊤β+ui+εij,ui∼N(0,σu2),εij∼N(0,σe2)y_{ij} = \mathbf{x}_{ij}^\top \boldsymbol{\beta} + u_i + \varepsilon_{ij}, \quad u_i \sim \mathcal{N}(0, \sigma_u^2), \quad \varepsilon_{ij} \sim \mathcal{N}(0, \sigma_e^2)

该模型将随机效应 uiu_i 引入线性回归框架，通过各小区域共享回归系数 β\boldsymbol{\beta} 和方差分量 (σu2,σe2)(\sigma_u^2, \sigma_e^2) 实现跨区域借力。小区域均值的 EBLUP 为：

μ^iBHF=fiyˉi+(1−fi)[xˉi⊤β^+u^i]\hat{\mu}_i^{\text{BHF}} = f_i \bar{y}_i + (1 - f_i) \left[ \bar{\mathbf{x}}_i^\top \hat{\boldsymbol{\beta}} + \hat{u}_i \right]

其中 fi=ni/Nif_i = n_i / N_i 为抽样率。当 nin_i 很小、fi≈0f_i \approx 0 时，估计几乎完全依赖模型预测。

估计方法：EBLUP、EB 与 HB

SAE 模型中的未知参数（方差分量、回归系数）需从数据中估计，由此产生了三种主流方法：

  • 经验最佳线性无偏预测 (EBLUP)：先用极大似然估计 (ML) 或限制极大似然估计 (REML) 估计方差分量，再将估计值代入 BLUP 公式。EBLUP 计算简便，但不直接量化参数估计的不确定性。
  • 经验贝叶斯 (EB)：在贝叶斯统计框架下，先验分布的超参数通过数据以经验方式估计（通常为矩估计或极大似然），所得后验均值即为 EB 估计。EB 方法可借助参数Bootstrap方法进行均方误差估计。
  • 分层贝叶斯 (HB)：将全部未知参数均赋予先验分布，通过马尔可夫链蒙特卡洛 (MCMC) 方法从联合后验分布中抽样，完整捕捉所有不确定性来源。HB 在复杂模型和多层次结构中灵活度最高，但计算成本较大。

均方误差估计与诊断

小区域估计量的不确定性量化——尤其是均方误差 (MSE) 的估计——是 SAE 方法能否应用于官方统计的关键。EBLUP 的 MSE 可分解为三项：合成估计的方差、随机效应预测的方差，以及因估计方差分量引入的额外变异。当方差分量的估计不确定性不可忽略时，需使用 Prasad-Rao 线性化方法或参数 Bootstrap 进行 MSE 校正。

模型诊断方面，需检查随机效应的正态性假设、残差的同方差性，以及是否存在异常小区域（其随机效应预测值极端偏离零）。交叉验证和校准检验也常用于评估模型的预测性能。

前沿扩展

近年来，小区域估计的前沿包括：将机器学习方法（如随机森林、梯度提升树）纳入 SAE 框架以捕获协变量间复杂的非线性关系；对非连续型响应变量（二分类、计数、多类）使用广义线性混合模型 (GLMM)；在时空小区域估计中融合多期调查数据，通过时间随机效应和时空交互项刻画参数的动态演化；以及利用高维数据和压缩感知技术处理协变量数量远超区域数目的稀疏场景。这些发展使得小区域估计的方法体系不断扩展，为数据匮乏环境下的可靠推断持续提供新的可能性。