Efficient Estimation of Quadratic Finite Population Functions in the Presence of Auxiliary Information
利用辅助信息高效估计有限总体二次函数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：摘要研究有限总体调查抽样与辅助信息，方差估计本身不足以归入金融波动率等方向。
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
利用辅助信息高效估计有限总体二次函数
- 研究问题
- 如何利用调查中的辅助信息改善有限总体方差、协方差等二阶函数的估计，并在工作模型误设时保留设计层面的性质？
- 方法与思路
- 作者把二次及其他二阶函数转化为合成有限总体的总量或均值，再扩展模型校准和伪经验似然方法以利用辅助变量。
- 材料陈述的贡献
- 摘要称估计量不依赖工作模型正确性而渐近设计无偏，模型接近正确时高效，并适用于一般抽样设计及多种工作模型。
- 阅读关注点
- 应核对合成总体的构造、设计渐近条件、模型接近正确的含义，以及非负方差估计和既有估计量特例的具体范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明效率改善幅度或具体条件，渐近设计无偏不等于有限样本无偏。
原文摘要
By viewing quadratic and other second-order finite population functions as totals or means over a derived synthetic finite population, we show that the recently proposed model calibration and pseudoempirical likelihood methods for effective use of auxiliary information from survey data can be readily extended to obtain efficient estimators of quadratic and other second-order finite population functions. In particular, estimation of a finite population variance, covariance, or variance of a linear estimator can be greatly improved when auxiliary information is available. The proposed methods are model assisted in that the resulting estimators are asymptotically design unbiased irrespective of the correctness of a working model but very efficient if the working model is nearly correct. They have a number of attractive features, which include applicability to a general sampling design, incorporation of information on possibly multivariate auxiliary variables, and the ability to entertain linear or nonlinear working models, and they result in nonnegative estimates for certain strictly positive quantities such as variances. Several existing estimators are shown to be special cases of the proposed general methodology under a linear working model.