The Prediction Approach to Robust Variance Estimation in Two-Stage Cluster Sampling
两阶段整群抽样中稳健方差估计的预测方法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：摘要研究抽样调查中的总量与方差估计，群内相关本身不足以支持面板、网络或因果细分类别。
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
两阶段整群抽样中稳健方差估计的预测方法
- 研究问题
- 当第一阶段抽样比例较小、群内存在一般相关结构时，如何估计两阶段整群样本所得总体总量或总量比的误差方差？
- 方法与思路
- 作者采用预测型超总体模型，允许群内具有很一般的相关结构，并分别处理全部群规模已知和仅样本群规模已知的情形。
- 材料陈述的贡献
- 摘要称，论文推导了稳健误差方差估计统计量，覆盖比率、回归及比率均值等总体总量估计方式。
- 阅读关注点
- 应核对第一阶段小抽样比例的作用、稳健性针对的模型偏离，以及两种群规模信息条件下方差估计的差别。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；稳健性的具体条件和抽样设计细节未说明，不能推断刊本变化。
原文摘要
Robust statistics are derived for estimating the error variance when a finite population total or a ratio of totals is estimated from a two-stage cluster sample in which the first-stage sampling fraction is small. The analysis is based on prediction (superpopulation) models that allow for very general correlation structure within clusters. Results are obtained for when all cluster sizes are known and for when sizes are known only for sample clusters. Ratio, regression, and mean-of-ratios statistics are in the class of population total estimators considered.