基于城市人口与小样本估算城市及全国能源总消费量方法咨询

一、从样本到城市/全国总能耗的实现步骤 #

1. 样本基础统计计算 #

对每个城市的调研样本，先计算平均每户能耗：

• 对于样本量≥30的城市（包括你提到的30户样本城市），直接取样本内所有家庭能耗的算术平均值；
• 如果部分城市样本存在分层特征（比如不同户型、家庭收入组），建议按分层加权计算均值：先算出各层的平均能耗，再乘以该层在样本中的占比求和，能提升估算精度。

2. 城市总能耗估算 #

已知城市总人口，需先推导城市总户数：

• 用样本内的平均每户人数作为替代值（若样本覆盖不足，可使用所在州的平均每户人数），计算城市总户数 = 城市总人口 ÷ 平均每户人数；
• 城市总能耗 = 城市总户数 × 该城市样本的平均每户能耗；
• 若要更严谨，可同步计算样本均值的95%置信区间，标注城市总能耗的估算范围。

3. 全国总能耗汇总与补全 #

• 先汇总所有已调研城市的总能耗；
• 针对未调研城市，可按人口规模、地域特征聚类（比如分为一线城市、中小城市、乡镇），用同组已调研城市的单位人口能耗均值乘以未调研城市人口，得到其总能耗；
• 最终全国总能耗 = 已调研城市总能耗之和 + 未调研城市估算总能耗之和。

二、30户样本推演全人口数据的方法 #

1. 基于随机抽样的统计推断 #

如果30户是简单随机抽样样本：

• 计算样本的能耗均值（$\bar{x}$）和标准差（$s$）；
• 用t分布计算总体均值的置信区间（样本量30接近大样本，也可近似用正态分布）：
  置信区间 = $\bar{x}$ ± t*(s/√n)，其中$t*$是自由度为29的t分布临界值（95%置信度下约为2.045）；
• 用这个置信区间内的均值，结合城市总户数推导全人口的总能耗数据。

2. 非随机样本的加权修正 #

如果30户不是随机抽样（比如仅取自某类小区）：

• 统计样本中各特征组（如家庭规模、住宅类型、收入水平）的占比，再对比城市公开的人口特征数据（比如人口普查中的家庭结构占比）；
• 给每个样本户设置权重：权重 = 城市中该特征组占比 ÷ 样本中该特征组占比；
• 用加权后的均值作为总体均值的估算值，再推导全人口数据。

3. 辅助数据增强推演精度 #

如果能获取城市的辅助数据（如住宅类型占比、当地能源价格），可以建立简单回归模型：

• 以样本家庭能耗为因变量，家庭规模、住宅面积、收入等为自变量，拟合回归方程；
• 用城市各特征组的分布数据，代入回归方程计算不同组的平均能耗，再加权得到总体平均能耗，进而推导全人口数据。

内容的提问来源于stack exchange，提问作者Mijul Saxena