Characterization of best model-based predictors in survey sampling
调查抽样中最优模型预测量的刻画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：摘要研究调查抽样中的有限总体预测理论，未明确涉及面板、因果或宏观预测任务，所列分类证据不足。
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
调查抽样中最优模型预测量的刻画
- 研究问题
- 在具有对称正定协方差矩阵的一般线性模型下，有限总体总量的任意线性预测量满足哪些条件才具有最优性？
- 方法与思路
- 作者在一般线性模型框架中刻画总体总量线性预测量的最优性，并给出必要与充分条件以涵盖更受限制的既有设定。
- 材料陈述的贡献
- 摘要称所得条件扩展并统一了调查抽样中稳健估计的早期研究，将分析置于更一般的协方差结构之下。
- 阅读关注点
- 核对最优性的损失标准、预测量比较类别、抽样设计与模型的关系，以及文中稳健性所针对的模型偏离。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出必要充分条件或最优性标准，不能判断对模型误设的保护范围。
原文摘要
This paper presents the necessary and sufficient conditions for the optimality of an arbitrary linear predictor of the total of a finite population in survey sampling under a general linear model with a symmetric and positive-definite covariance matrix. Results of the paper extend and unify earlier work on robust estimation in survey sampling under more restrictive conditions.