Jackknife Variance Estimation with Survey Data Under Hot Deck Imputation
热卡插补调查数据的 Jackknife 方差估计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：摘要聚焦复杂调查的插补与方差估计，未涉及处理效应、面板结构或其他所列经济问题，分类依据不足。
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
热卡插补调查数据的 Jackknife 方差估计
- 研究问题
- 调查数据存在项目无应答并采用热卡插补时，如何避免将插补值当作真实观测而造成方差低估，并得到一致的方差估计？
- 方法与思路
- 作者针对分层多阶段调查，在每个伪重复样本中先调整插补值，再应用标准 Jackknife 公式构造方差估计量。
- 材料陈述的贡献
- 摘要称在插补类别内响应概率相等且采用特定热卡插补的条件下，所提方差估计量随样本量增加具有一致性。
- 阅读关注点
- 核对特定热卡插补的规则、伪重复样本中的调整步骤、抽样渐近框架，以及类别内响应概率相等的要求。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未给出具体插补规则和完整条件，一致性不能推广到任意热卡插补或响应机制。
原文摘要
Hot deck imputation is commonly employed for item nonresponse in sample surveys. It is also a common practice to treat the imputed values as if they are true values, and then compute the variance estimates using standard formulae. This procedure, however, could lead to serious underestimation of the true variance, when the proportion of missing values for an item is appreciable. We propose a jackknife variance estimator for stratified multistage surveys which is obtained by first adjusting the imputed values for each pseudo-replicate and then applying the standard jackknife formula. The proposed jack-knife variance estimator is shown to be consistent as the sample size increases, assuming equal response probabilities within imputation classes and using a particular hot deck imputation.