Minimax Designs for Sample Surveys
抽样调查的极小极大设计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：摘要讨论调查抽样设计与一般极小极大决策，没有给出所列面板、因果或宏观金融细分方向的文本依据。
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
抽样调查的极小极大设计
- 研究问题
- 当待估计量不具备支持简单随机抽样最优性的对称结构时，什么条件下按规模比例抽样可以成为极小极大策略？
- 方法与思路
- 作者在待估计量不对称的设定中分析抽样策略，并在摘要所称较强条件下论证按规模比例抽样的极小极大性质。
- 材料陈述的贡献
- 摘要称对不对称估计问题建立了按规模比例抽样的极小极大结论，与对称设定中简单随机抽样的既有结果形成对应。
- 阅读关注点
- 应核对总体可能取值的集合、损失与估计目标、规模信息的角色，以及较强条件究竟如何限制可用的抽样设计。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；摘要未列出其明确强调的较强条件，不能声称按规模比例抽样一般都具有极小极大性。
原文摘要
Blackwell & Girshick (1954) have shown that simple random sampling is the minimax sampling strategy when the quantity being estimated and the space of possible population values are suitably eymmetric. In this paper, sampling with probabilities proportional to size is shown to be the minimax strategy under fairly strong conditions when the quantity being estimated is not symmetric.