Estimating the Size of a Subdomain: An Application in Auditing
总体子域规模的估计：审计中的应用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：摘要聚焦审计中的总体子域总量估计与分层抽样，未提供对应给定微观、宏观或金融领域细分的充分依据。
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
总体子域规模的估计：审计中的应用
- 研究问题
- 如何从未征税销售交易的审计样本，估计其中不符合免税条件交易的总额，并评估相较比率估计量的表现？
- 方法与思路
- 作者采用超总体方法，将单位属于目标子域的概率建模为其规模的函数，形成估计量族，并研究常数概率设定及分层的作用。
- 材料陈述的贡献
- 摘要称，常数概率设定成立时最优估计量明显占优，失配时常仍占优但有偏；分层可减轻偏差，真实审计总体上的模拟支持理论优势。
- 阅读关注点
- 阅读时应核对“最优”的评价准则、单位规模与子域归属关系、分层方案，以及模拟中偏差和精度的比较方式。
- 阅读边界
- 摘要未说明抽样设计、样本量或偏差的具体幅度，所述优势依赖模型设定，不能直接推广至其他审计总体。
原文摘要
This article suggests an alternative to the ratio estimator for estimating the total size of a subdomain of a population. The application that served as the genesis for this work is from auditing. The problem is to estimate the total of sales transactions that are not tax exempt from an audit sample of the population of nontaxed sales transactions. A superpopulation approach, which models the unit's probability of belonging to the subdomain as a function of its size, leads to a family of estimators. The simplest member of this famiiy is one in which that function is specified to be a constant. The optimal estimator for this model performs markedly better than the ratio estimator when the assumption is true and often performs better when it is not, though in that case it is biased. Stratification is shown to reduce this bias and at the same time make the ratio estimator more similar to the optimal estimator. A simulation experiment shows that the theoretical advantages hold in a real audit population.