On balanced random imputation in surveys
调查中的平衡随机插补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：摘要明确以保持变量分布和支持总体分位数估计作为随机插补的目标。
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
调查中的平衡随机插补
- 研究问题
- 随机插补有助于保持变量分布，却增加插补方差；如何在保留分布、支持总体分位数估计的同时消除该额外变异？
- 方法与思路
- 作者提出满足适当平衡约束的随机残差选择方法，并将平衡抽样的立方体算法改造为随机插补算法。
- 材料陈述的贡献
- 摘要称所提平衡随机插补方法能够消除插补方差，同时保持被插补变量的分布，并以模拟结果支持相关结论。
- 阅读关注点
- 应核对平衡约束针对哪些估计目标、插补方差消除的具体含义、缺失机制条件，以及分位数估计的性质。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；约束和缺失机制未说明，消除插补方差不能理解为消除抽样或总估计方差。
原文摘要
Random imputation methods are often used in practice because they tend to preserve the distribution of the variable being imputed, which is an important property when the goal is to estimate population quantiles. However, this type of imputation method introduces additional variability, the imputation variance, due to the random selection of residuals. In this paper, we propose a class of random balanced imputation methods under which the imputation variance is eliminated while the distribution of the variable being imputed is preserved. The rationale behind balanced imputation is to select residuals at random so that appropriate constraints are satisfied. We describe an algorithm for selecting the random residuals that can be viewed as an adaptation of the cube algorithm proposed in the context of balanced sampling (Deville & Tille, 2004). Results of a simulation study support our findings. Copyright 2011, Oxford University Press.