陈茜儒，贺建风

（1.广东金融学院 金融数学与统计学院，广州 510630；2.华南理工大学 经济与金融学院，广州 510006）

0 引言

随着现代信息技术的飞速发展，各行各业的平台系统规模迅速扩大，所产生的数据量呈现指数级增长，大数据已经成为经济社会的资源宝库。与此同时，大数据时代的到来也为抽样调查提供了更多可利用的辅助信息，这有助于提高估计精度。为了在抽样估计环节中利用辅助信息，传统的做法是建立研究变量和辅助变量之间的超总体回归模型，以此来调整和改进基于设计的随机化估计结果，这种方法被称为模型辅助抽样估计方法。其中，模型的构建及模型的拟合效果是决定这种方法能否改进随机化估计的关键之所在。因此，为推动大数据与抽样估计方法的融合发展，必须要考虑如何根据大数据下的辅助信息特征来构建合适的模型以进行辅助估计。

大数据背景下，辅助变量的一个重要特征就是数据维度过高，这导致在超总体建模过程中通常存在变量选择或模型选择的不确定性问题，进而影响模型辅助抽样的估计效果。在此特征下，如何利用多维甚至高维辅助变量进行抽样估计，是推动模型辅助抽样估计方法进一步发展亟须解决的技术难题。因此，需要综合考察模型拟合效果和模型简洁性以得到最优估计结果，同时应尽可能利用更多辅助信息提高模型辅助抽样估计效率。对于这类问题，一般有模型选择和模型平均两种方法，前者通常依赖数据驱动或者人为经验选择单一模型，后者则通过组合多个模型并对模型估计结果进行加权平均。……