An Alternative Approach to Multivariate Response Error Models for Sample Survey Data with Applications to Estimators Involving Subclass Means
调查数据多变量回答误差模型及其在子类均值估计中的应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究调查回答误差和均值估计的方差分解，未明确包含因果比较或所列其他经济应用，分类证据不足。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
调查数据多变量回答误差模型及其在子类均值估计中的应用
- 研究问题
- 一般调查设计中的回答误差如何影响线性样本估计量的总方差，尤其是子类均值、均值差和后分层均值？
- 方法与思路
- 作者以指示函数构造美国人口普查局回答误差模型的多变量扩展，分析方差组成及交互分量，并应用于多类均值估计。
- 材料陈述的贡献
- 摘要称该表示能更完整地刻画一般调查设计下的方差组成，特别有助于理解交互分量及回答误差对均值估计的影响。
- 阅读关注点
- 核对回答误差与抽样误差的定义、方差分解中的交互项，以及子类划分和后分层处理如何进入相关结果。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未提供误差模型、分解公式或识别条件，不能判断各方差分量如何实际估计。
原文摘要
Indicator functions are used as the basis for the formulation of a multivariate extension of the response error model developed by the U.S. Bureau of the Census. This approach allows a more complete characterization for general survey designs of the nature of the various components of the total variance of linear sample estimators and is particularly useful with respect to the role of the interaction component. These results are then applied to study the effect of response errors on subclass means, differences between subclass means, and post-stratified means.