Extensions of Calibration Estimators in Survey Sampling
调查抽样中校准估计量的扩展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：摘要属于通用调查抽样与校准估计，未直接涉及所列面板、因果或其他细分方向。
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
调查抽样中校准估计量的扩展
- 研究问题
- 利用总体辅助信息进行调查估计时，如何把校准方法扩展到总量和均值以外的参数，并处理校准方程无解的情况？
- 方法与思路
- 作者将校准视为代数问题，发展任意距离度量下的计算方法，并通过 Kronecker 积处理方差与域总量估计。
- 材料陈述的贡献
- 摘要称给出校准权重存在的充要条件，构造带合成成分的小域估计量，并报告模拟中方差估计精度可明显改善。
- 阅读关注点
- 应核对无解时的处理目标、权重存在条件和距离度量选择，检查小域估计的渐近框架及方差精度比较所用设计。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；抽样设计、辅助信息要求与精度改善数值未说明，不能判断所有调查中的表现。
原文摘要
Estimators from the family of calibration estimators are often used when auxiliary information about a population is available. By viewing calibration as an algebraic problem, this article extends the calibration technique to estimate population parameters other than totals and means, and also extends the technique to the case where there is no solution to the calibration equation. These extensions permit the development of estimators for small domains that have a synthetic component and yet good asymptotic properties. A new method to compute a calibration estimator that uses an arbitrary distance measure is developed. This method points to a new path for the investigation of the properties of the estimator. It is shown how through the Kronecker product the calibration method can be used to estimate variances and domain totals. Monte Carlo studies show that important improvements in the precision of variance estimators are possible with use of the calibration method. Necessary and sufficient conditions for the existence of weights that satisfy the calibration equation are also given.