The Finite-Population Linear Regression Estimator and Estimators of its Variance—An Empirical Study
有限总体线性回归估计量及其方差估计的经验研究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：摘要属于有限总体抽样与方差估计研究，未直接涉及给定的面板、因果或预测细分主题。
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…
有限总体线性回归估计量及其方差估计的经验研究
- 研究问题
- 有限总体总量的线性回归估计中，常用方差估计在不同超总体模型和抽样方式下有多大偏差，稳健替代方案表现如何？
- 方法与思路
- 作者在预测模型下比较通常方差估计与最小二乘方差估计，讨论三种偏差稳健替代方案，并从六个真实总体抽样检验。
- 材料陈述的贡献
- 摘要称，理论与经验结果支持重视预测模型，并指出仅依赖随机化不足以为稳健推断提供框架；替代方法中包括刀切法。
- 阅读关注点
- 应核对超总体模型、目标总量和方差定义、稳健性的具体范围，以及随机、受限随机和目的性抽样下的比较是否可比。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；关于随机化不足的结论需结合原文模型理解，不能推广为所有设计推断均无效。
原文摘要
The usual variance estimator for the linear regression estimator of a finite population total is examined under some prediction (superpopulation) models. Its bias is compared with that of the least squares variance estimator. Also described are three bias-robust alternatives, one of which is the jackknife variance estimator. The theoretical results are supported by an empirical study in which simple and restricted random samples as well as some purposive (nonrandom) samples are drawn from six real populations. The results illustrate the need for prediction models, and the inadequacy of randomization per se, in providing a theoretical framework for robust inferences.