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：摘要聚焦调查抽样中的群内相关与方差估计，未明确研究面板数据或网络干扰。
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
- 第一阶段抽样比例较小时，如何为两阶段整群样本估计的有限总体总量或总量比构造稳健的误差方差估计？
- 方法与思路
- 作者采用允许广泛群内相关结构的超总体预测模型，分别讨论所有群规模已知及仅样本群规模已知的情形。
- 材料陈述的贡献
- 摘要称推导了稳健方差估计统计量，覆盖比率、回归和比率均值等总体总量估计方法，并区分群规模的信息条件。
- 阅读关注点
- 应核对第一阶段抽样比例要求、抽样设计与预测模型的关系、稳健性的具体含义，以及群规模未知时的处理。
- 阅读边界
- 仅据版本未注明的索引摘要；允许的相关结构、稳健性条件与有限样本精度未详述，不能推断后续刊本变化。
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.