Optimal calibration estimators in survey sampling
调查抽样中的最优校准估计量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：摘要讨论通用调查抽样与有限总体函数，未明确研究经济分布效应等所列细分方向。
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
调查抽样中的最优校准估计量
- 研究问题
- 如何利用辅助信息构造有限总体均值及其他总体函数的校准估计量，并兼顾模型最优性与设计一致性？
- 方法与思路
- 作者在统一框架下研究均值、分布函数、方差和二次总体函数的校准估计，并讨论辅助信息用于点估计及方差估计。
- 材料陈述的贡献
- 摘要称，所提估计量在真实模型下最优，工作模型误设时仍具设计一致性；有限模拟显示相对常规方法可能有较大改善。
- 阅读关注点
- 应核对比较的校准估计量类别、最优性准则、设计一致性的条件，以及辅助信息用于均值和方差估计时的要求。
- 阅读边界
- 所给为版本未注明的 OpenAlex 索引摘要；未给出抽样设计、渐近条件或改善数值，有限模拟不足以支持普遍优势。
原文摘要
We show that the model‐calibration estimator for the finite population mean, which was proposed by Wu & Sitter (2001) through an intuitive argument, is optimal among a class of calibration estimators. We also present optimal calibration estimators for the finite population distribution function, the population variance, the variance of a linear estimator and other quadratic finite population functions under a unified framework. The proposed calibration estimators are optimal under the true model but remain design consistent even if the working model is misspecified. A limited simulation study shows that the improvement of these optimal estimators over the conventional ones can be substantial. The question of when and how auxiliary information can be used for both the estimation of the population mean using a generalised regression estimator and the estimation of its variance through calibration is addressed clearly under the proposed general methodology. Some fundamental issues in using auxiliary information from survey data are also addressed in the context of optimal estimation.