Estimating Subgroup Means with Misclassification
误分类条件下的子群均值估计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：摘要讨论误分类下的描述性子群均值估计，没有明确的因果识别或其他细分领域依据。
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
误分类条件下的子群均值估计
- 研究问题
- 个体被错误分配到子群、且误分类概率由独立样本估计时，如何估计真实子群均值，并量化估计误差及配置抽样资源？
- 方法与思路
- 作者修改既有估计量得到非迭代方法，通过特殊矩阵乘积和矩阵微分推导协方差，并讨论双重抽样中的效率改进与样本分配。
- 材料陈述的贡献
- 摘要称，论文得到建议估计量协方差矩阵的显式表达，为大样本检验和区间估计提供基础，并提出双重抽样的样本分配方法。
- 阅读关注点
- 应核对误分类概率独立估计的要求、校正矩阵的可逆性，以及双重抽样的具体设计、效率标准与样本量分配规则。
- 阅读边界
- 仅据所给 Crossref 摘要；误分类机制、协方差公式和效率改进条件未提供，子群均值不能据此解释为处理效应。
原文摘要
SUMMARY The present paper considers the estimation of subgroup means in the presence of misclassification errors in allocating individuals to the subgroups. A simple non-iterative estimator resulting from modifying Selen's (1986) estimator is studied when the probabilities of misclassification are independently estimated. In contrast to Selen (1986), an explicit expression for the covariance matrix of the suggested estimator is obtained using special matrix products and matrix differentiation theories. The result is useful in developing large sample theories for hypothesis testing and interval estimation. For the case of double sampling, the problem of deriving a more efficient estimator is considered and a method for allocating sample sizes suggested.