Empirical bootstrap bias correction and estimation of prediction mean square error in small area estimation
小区域估计的经验自助偏差校正与预测均方误差估计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：摘要研究小区域估计的偏差与均方误差校正，未明确对应所列经济计量细分方向。
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
小区域估计的经验自助偏差校正与预测均方误差估计
- 研究问题
- 如何通过自助样本学习目标估计量的误差规律，校正偏差，并在小区域比例估计中评估预测均方误差？
- 方法与思路
- 作者选取若干合理参数值，分别生成伪原始样本及自助样本，再寻找误差与原始、自助估计量之间的适当函数关系。
- 材料陈述的贡献
- 摘要称该方法可进行偏差校正，并在一定条件下估计校正后估计量的均方误差；应用于广义混合模型下的小区域比例估计。
- 阅读关注点
- 应核对参数值选择、误差函数关系的拟合方式、均方误差估计所需条件，以及与jackknife和其他自助方法比较的设计。
- 阅读边界
- 仅依据所给OpenAlex摘要。摘要未说明关键条件、函数形式或比较结果，不能据此声称该方法优于jackknife或其他自助法。
原文摘要
We develop a method for bias correction, which models the error of the target estimator as a function of the corresponding estimator obtained from bootstrap samples, and the original estimators and bootstrap estimators of the parameters governing the model fitted to the sample data. This is achieved by considering a number of plausible parameter values, generating a pseudo original sample for each parameter and bootstrap samples for each such sample, and then searching for an appropriate functional relationship. Under certain conditions, the procedure also permits estimation of the mean square error of the bias corrected estimator. The method is applied for estimating the prediction mean square error in small area estimation of proportions under a generalized mixed model. Empirical comparisons with jackknife and bootstrap methods are presented. Copyright 2012, Oxford University Press.