Combining Independent Regression Estimators From Multiple Surveys
合并多个调查的独立回归估计量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：摘要涉及调查抽样与合成回归估计，未明确落入用户所列的因果、面板或其他细分领域。
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
合并多个调查的独立回归估计量
- 研究问题
- 同一总体的多个独立调查提供可比较信息时，如何通过共同目标特征总量的对齐改善合成估计的效率与实用性？
- 方法与思路
- 作者改进合成广义回归估计，在多样本设定中校正不同有效样本量，并与另一合并方法比较共同和非共同特征的估计效率。
- 材料陈述的贡献
- 摘要称所提方法在一定抽样设计条件下，对共同特征具有相同效率、对非共同特征更有效，并建立部分回归估计的等价关系。
- 阅读关注点
- 应核对调查独立性、有效样本量校正及抽样设计条件，区分一般设计下的近似效率结论与特定条件下的等价性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体抽样条件与效率度量未说明，不能断言该方法对所有调查设计均占优。
原文摘要
Efficient generalized regression (GREG) procedures are proposed for the combination of comparable information collected independently from multiple surveys of the same population. In particular, for combination through alignment of estimated totals of common target characteristics, an efficiency improvement of Zieschang's original composite GREG method is developed, involving a correction of the GREG estimation for different effective sample sizes in a multiple-sample setting. The proposed method is nearly as efficient as the alternative method of Renssen and Nieuwenbroek for general sampling designs, and considerably more practical. Under broad sampling design conditions, the proposed method produces composite estimators that are equally efficient as the estimators of Renssen and Nieuwenbroek for common characteristics and more efficient for noncommon characteristics. Under some of these sampling design conditions, an equivalence of extended GREG estimation and extended optimal regression estimation is established.