Survey weighted estimating equation inference with nuisance functionals
含干扰泛函的调查加权估计方程推断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：摘要明确以不平等指标和洛伦兹曲线为覆盖对象及应用，直接涉及分布特征的估计。
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
含干扰泛函的调查加权估计方程推断
- 研究问题
- 复杂抽样调查中，参数估计依赖未知干扰泛函时，如何开展设计型推断，并处理代入估计与方差估计的困难？
- 方法与思路
- 作者研究调查加权的光滑及不可微估计方程，采用干扰泛函的代入估计，并针对三类抽样设计提出乘子自助法。
- 材料陈述的贡献
- 摘要称，即使干扰泛函估计慢于根号样本量速度，目标参数仍可具有相应的一致性和渐近正态性，并以洛伦兹曲线展示应用。
- 阅读关注点
- 应核对慢速代入估计仍允许参数推断的具体条件、三类抽样设计的定义，以及乘子自助法如何保留抽样设计结构。
- 阅读边界
- 仅据所给出版社摘要，不能将慢速干扰估计下的结论推广到任意泛函或抽样设计；具体收敛条件与模拟数值未说明。
原文摘要
This paper provides a rigorous treatment on design-based estimating equation inference using complex survey data in the presence of nuisance functionals. The proposed design-based framework covers parameters from inequality measures and measures on performance evaluation in economic, business and financial studies but the scope of the paper is more broad. Unlike nuisance parameters in other settings where profile analysis is commonly used, the nuisance functionals are typically handled by using a “plug-in” estimator. We establish root-n consistency and asymptotic normality for parameters defined through survey weighted smooth or non-differentiable estimating functions even if the “plug-in” estimator for the nuisance functional has a convergence rate slower than root-n. A multiplier bootstrap procedure is proposed for three types of commonly used survey designs to tackle the challenge task of variance estimation. Results from a simulation study and an application to a real survey data set demonstrate the effectiveness of the proposed design-based inference on the Lorenz curve.