Precision Estimation in Sample Survey Inference: A Criterion for Choice Between Variance Estimators
抽样调查推断中的精度估计：方差估计量选择准则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：摘要研究抽样调查的方差估计评价，未提供与所列计量领域细分直接对应的内容。
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
抽样调查推断中的精度估计：方差估计量选择准则
- 研究问题
- 抽样调查中如何评价方差估计量，使评价能够反映实际样本所含信息，并同时适用于设计推断与模型推断？
- 方法与思路
- 作者以“预测平方误差的均方误差”为选择准则，在比例回归模型下比较六种比率估计量的方差估计方法，并考虑模型稳健性。
- 材料陈述的贡献
- 摘要称，该准则在设计与模型推断中相同；示例比较中三种估计量逊于另外三种，而后者表现近似等价。
- 阅读关注点
- 应核对预测对象和损失函数的定义、实际样本信息如何进入评价，以及六种估计量的比较条件与模型稳健性分析。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；六种估计量的公式及稳健性范围未说明，所述比较不能视为普遍优越性结论。
原文摘要
We advocate the 'mean squared error of predicted squared error' as a universal criterion for the choice between variance estimators in sample survey inference. The predictive nature of the measure rewards variance estimators adapted to the amount of information in the actual sample. This makes the new measure more satisfactory than the simpler mean squared error of the variance estimator. The criterion turns out to be the same for design-based as for model-based inference, and may also be used for comparison between the design- and model-based theoretical variances. The theory is exemplified for the ratio estimator by a study of six variance estimators suggested in the literature. These calculations are primarily made under a proportional regression model, but consideration is also paid to model robustness. Three of the six estimators are shown to be inferior to the three others, which are approximately equivalent.