The Effect of Changes of Location on Least-Squares Estimators for Samples Stratified on the Dependent Variable
因变量分层抽样中位置变换对最小二乘估计量的影响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：摘要研究分层抽样下的线性回归估计，未明确涉及所列领域细分中的专项问题。
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
因变量分层抽样中位置变换对最小二乘估计量的影响
- 研究问题
- 按因变量分层抽样时，已有一致最小二乘估计量为何受因变量原点选择影响，如何使其对位置变换保持不变？
- 方法与思路
- 作者讨论已有估计量的位置不变性缺失，并以估计的总体均值为因变量测量原点进行修正，同时提出另一种类似估计量。
- 材料陈述的贡献
- 摘要称模拟显示原点远离因变量均值时效率降低，并指出总体均值中心化能够赋予位置不变性，另提出一种替代方案。
- 阅读关注点
- 应核对分层抽样设计、总体均值的估计方式、修正后估计量的表达式，以及位置不变性与效率变化之间的具体关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；抽样权重、总体均值估计条件及模拟设置未说明，不能推断修正必然提高效率。
原文摘要
The consistent least-squares estimator, proposed by Jewell (1985) for linear regression with data arising from stratified samples, lacks invariance with respect to a change of location of the dependent variable. Simulation suggests that its efficiency is reduced when the origin of the dependent variable is far from its mean. This estimator can be made invariant to a change of location by specifying that the dependent variable is measured from the estimated population mean. Another similar invariant estimator is also suggested.