Poststratification using regression estimators when information on strata means and sizes is missing
分层均值与规模未知时利用回归估计量进行后分层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：摘要研究调查抽样中的后分层回归估计，未提供给定因果、面板或其他细分方向的明确依据。
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
分层均值与规模未知时利用回归估计量进行后分层
- 研究问题
- 当抽样框未标明总体单位的分层归属，且各层辅助变量均值和规模未知时，如何仍利用层间回归关系差异提高估计精度？
- 方法与思路
- 作者提出新的回归型调查估计量，使其考虑各层不同的回归关系，却不依赖未知的层均值与规模，并开展理论比较及模拟。
- 材料陈述的贡献
- 摘要称新估计量比忽略层间回归关系差异的估计量更精确，并以模拟说明理论比较；未声称优于所有后分层方法。
- 阅读关注点
- 应核对样本中可用的分层信息、新估计量如何消除未知总体量、精度比较的抽样框架及条件，以及模拟覆盖的层间差异。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；可观测信息、抽样设计及精度改进条件未说明，不能声称任意分层情形均占优。
原文摘要
Poststratification is often used to increase the precision of survey estimators. When applied to regression estimators, it assumes that the regression relationships in the various strata are different. This gives rise to the use of the separate regression estimator. In this paper, we consider situations where the strata affiliation of the population units is not specified in the frame so that the separate regression estimator is not available, the strata means of the regressor variable and the strata sizes being unknown. We propose a new regression type estimator which accounts for the different regression relationships in the various strata, but no longer depends on the unknown strata means and sizes. We show that this estimator is more precise than estimators that ignore the differences in the regression relationships. The theoretical comparisons are illustrated by simulation results.