Using Weights to Adjust for Sample Selection When Auxiliary Information Is Available
利用辅助信息构造权重以调整样本选择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：摘要明确以荷兰交通面板为应用，使用补充抽样应对原面板严重流失并调整样本选择，因此归入面板数据方向。
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
利用辅助信息构造权重以调整样本选择
- 研究问题
- 当主要样本并非目标总体的随机抽样时，如何利用目标总体的辅助矩信息调整样本选择，并处理面板严重流失带来的代表性问题？
- 方法与思路
- 作者为主要样本的各观测构造权重，使加权样本矩等于辅助总体矩；摘要称这些权重与入选概率的倒数成比例。
- 材料陈述的贡献
- 摘要提出利用总体矩信息校准权重，并展示如何用荷兰交通面板的补充抽样，调整原面板严重流失造成的样本选择。
- 阅读关注点
- 阅读时应核对总体矩与选择概率之间的识别关系、权重存在性和稳定性，以及补充样本的代表性与标准误处理。
- 阅读边界
- 所给摘要开头残缺，未说明选择机制、矩条件充分性或渐近推断细节；加权能否恢复目标总体关系，须核对全文条件。
原文摘要
sample is not a random draw from the population of interest. Auxiliary information, in the form of moments from the population of interest, is exploited to compute weights that are proportional to the inverse probability of selection. The essential idea is to construct weights for each observation in the primary data such that the moments of the weighted data are set equal to the additional moments. The estimator is applied to the Dutch Transportation Panel, in which refreshment draws were taken from the population of interest to deal with heavy attrition of the original panel. It is shown how these additional samples can be used to adjust for sample selection.