Bootstrap Variance Estimation for Rejective Sampling
拒绝抽样的自助法方差估计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：摘要研究复杂调查抽样中的方差估计，未明确涉及所列因果、面板或其他细分方向。
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
拒绝抽样的自助法方差估计
- 研究问题
- 如何把自助法复制程序扩展到拒绝抽样，以估计复杂调查中回归估计量的方差，并改善小样本层中的表现？
- 方法与思路
- 作者从原样本中构造不等概率、有放回的拒绝抽样自助样本，并针对层内样本量较小的分层样本提出修改程序。
- 材料陈述的贡献
- 摘要称，泊松抽样与分层拒绝抽样的模拟支持使用复制样本估计回归估计量方差，并建议改善小样本层表现的自助法修改。
- 阅读关注点
- 核对自助样本的生成规则、抽样概率与复制权重、分层修改的具体步骤，以及模拟如何评价回归估计量方差估计的误差。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化。摘要未说明理论有效性条件、层内样本量范围或改进幅度。
原文摘要
Replication procedures have proven useful for variance estimation for large scale complex surveys. As an extension of bootstrap procedures to rejective samples, we define a bootstrap sample that is a rejective, unequal probability, replacement sample selected from the original sample. A modification of the bootstrap with improved performance is suggested for stratified samples with small stratum sizes. Simulations for Poisson and stratified rejective samples support the use of replicates in estimating the variance of the regression estimator for rejective samples.