Robust Model-Based and Model-Assisted Predictors of the Finite Population Total
有限总体总量的稳健模型预测与模型辅助预测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：摘要中的预测对象是有限总体总量，未涉及宏观预测或金融收益预测，也未明确对应其他所列细分。
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…
有限总体总量的稳健模型预测与模型辅助预测
- 研究问题
- 有限总体总量预测依赖超总体模型时，如何减轻模型误设的影响，并兼顾零观测、设计无偏性和基准一致性？
- 方法与思路
- 作者从 Box–Cox 分布族中自适应选择超总体模型，并调整模型预测量以处理零观测及满足设计层面的性质。
- 材料陈述的贡献
- 摘要提出稳健预测方案及相应调整方法，并称通过蒙特卡洛模拟和一个实际例子展示了预测量的稳健性。
- 阅读关注点
- 核对自适应模型选择、零值处理和预测量调整的具体步骤，以及稳健性考察所覆盖的误设与抽样情景。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；稳健性的适用范围和设计无偏性的条件未说明，不能视为普遍保证。
原文摘要
The prediction approach to finite population inference has received considerable attention in recent years. Under this approach, the finite population is assumed to be a realization from a superpopulation described by a known probability model, usually a linear model. The prediction approach is often criticized for its lack of robustness against model misspecification. In this article we revisit this important issue and introduce a new robust prediction approach in which the superpopulation model is chosen adaptively from the well-known Box–Cox class of probability distributions. The richness of the Box–Cox class ensures robustness in our model-based prediction approach. We explain how our robust model-based predictor can be adjusted to handle zero observations for the study variable and to achieve the design-unbiasedness and benchmarking properties. We demonstrate the robustness of our proposed predictors using a Monte Carlo simulation study and a real life example.