Design-Consistent versus Model-Dependent Estimation for Small Domains
小域估计中的设计一致性与模型依赖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：摘要研究调查抽样的小域估计，域间借力并不直接构成面板数据或其他所列细分方向的证据。
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
小域估计中的设计一致性与模型依赖
- 研究问题
- 小域样本有限时，如何在借用其他域信息与保持设计一致性之间取舍，并评估合成估计对域间相似假设的依赖？
- 方法与思路
- 作者构造可借用跨域信息的设计一致估计方法，以设计均方误差比较其与合成估计，并讨论设计方差及置信区间。
- 材料陈述的贡献
- 摘要称域间相似且样本小时合成估计可能有均方误差优势；偏离模型且样本中等或较大时，设计一致方法表现更好。
- 阅读关注点
- 应核对设计一致性的渐近定义、辅助信息和跨域借力机制，以及样本量、抽样比、域大小与模型偏离的交互影响。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；具体估计式与比较条件未提供，不能把条件性均方误差结论理解为统一优势或刊本变化。
原文摘要
For small domains, we have a choice between design-consistent estimators that make the strongest possible use of auxiliary information and model-dependent design-biased alternatives such as the synthetic estimator. In this article, a design-consistent method is developed that borrows strength in the same way that the design-biased synthetic estimator does. The latter has a design-based mean squared error (MSE) advantage in small samples under the supposition that domains resemble each other. Under deviations from that model, however, and with moderate to large samples, the design-consistent method gives a smaller MSE. It also has the advantage that design-based variance estimators and design-based confidence intervals can be easily obtained. This article emphasizes that the choice of estimation method depends on a complex interaction of factors that include sample size, sampling fraction, domain size, and departures from the model.