来源：期刊VIP网 时间：
作者：刘展;潘莹丽;
单位：湖北大学数学与统计学学院;湖北大学应用数学湖北省重点实验室;
摘要：随着大数据与网络的发展，非概率样本数据规模不断增大，以往单台机器上的推断方法已不再适用，如何在多台机器上对大规模非概率样本数据进行分布式统计推断成为一个热点问题。文章针对大规模非概率样本数据，提出基于One-shot的分布式倾向得分推断方法。首先，将非概率样本数据与参考样本数据划分到不同的Worker机器上，建立Logistic倾向得分模型，基于每台Worker机器的数据计算得到模型参数估计；其次，将其传到Master机器上，采用加权平均得到最终的倾向得分模型参数估计；最后，基于Worker机器上的非概率样本数据与估计的倾向得分得到总体估计。模拟分析和实证研究结果均表明，所提方法的估计在相对偏差、方差、均方误差方面均比分布式简单估计小，与全局估计接近，估计效果良好。
关键词：大规模;;非概率样本;;分布式;;One-shot;;倾向得分
基金资助：国家社会科学基金一般项目（18BTJ022）;国家社会科学基金西部项目（21XTJ006）;; 中国商业统计学会规划课题（2024STZD22）
