An Alternative Approach to Multivariate Response Error Models for Sample Survey Data with Applications to Estimators Involving Subclass Means
抽样调查多变量回答误差模型的另一种方法及子类均值应用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：摘要聚焦抽样调查回答误差与方差分解，子类均值比较并未被表述为因果效应。
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
抽样调查多变量回答误差模型的另一种方法及子类均值应用
- 研究问题
- 在一般调查设计中，如何更完整地刻画回答误差对线性估计量总方差的影响，尤其是交互分量及子类均值估计？
- 方法与思路
- 作者以指示函数构建美国人口普查局回答误差模型的多变量扩展，分解线性估计量方差，并用于子类和后分层均值。
- 材料陈述的贡献
- 摘要称该方法能更完整地刻画一般调查设计下的方差分量，特别是交互分量，并分析回答误差对多种均值估计的影响。
- 阅读关注点
- 阅读时应核对回答误差模型、调查设计条件、交互分量的具体含义，以及子类均值、均值差和后分层均值的推导关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未提供误差相关结构、方差分量公式或实证结果，无法判断实际误差影响大小。
原文摘要
Indicator functions are used as the basis for the formulation of a multivariate extension of the response error model developed by the U.S. Bureau of the Census. This approach allows a more complete characterization for general survey designs of the nature of the various components of the total variance of linear sample estimators and is particularly useful with respect to the role of the interaction component. These results are then applied to study the effect of response errors on subclass means, differences between subclass means, and post-stratified means.