To Model or Not To Model? Competing Modes of Inference for Finite Population Sampling
建模还是不建模？有限总体抽样的两种推断方式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：摘要聚焦有限总体抽样与调查加权，不足以归入所列因果、面板或其他领域细分。
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
建模还是不建模？有限总体抽样的两种推断方式
- 研究问题
- 调查抽样中的设计推断与模型推断各有何优势和局限？如何在有限总体均值推断中兼顾抽样设计与较弱的模型假设？
- 方法与思路
- 文章以分层随机样本均值推断说明两种框架，再讨论不等概率抽样，并描述结合设计权重和模型权重的模型化回归分析。
- 材料陈述的贡献
- 摘要建议，将样本设计纳入模型并采用较弱参数假设，可能获得可靠且有效率的调查推断，并给出混合加权的分析思路。
- 阅读关注点
- 应核对两种框架各自的随机性来源、设计信息进入模型的方式，以及混合权重在模型失配和不等概率抽样下的性质。
- 阅读边界
- 仅据版本未注明的索引摘要；这是方法讨论与示例，摘要未给出统一优越性定理，也未说明弱参数假设的具体范围。
原文摘要
Finite population sampling is perhaps the only area of statistics in which the primary mode of analysis is based on the randomization distribution, rather than on statistical models for the measured variables. This article reviews the debate between design-based and model-based inference. The basic features of the two approaches are illustrated using the case of inference about the mean from stratified random samples. Strengths and weakness of design-based and model-based inference for surveys are discussed. It is suggested that models that take into account the sample design and make weak parametric assumptions can produce reliable and efficient inferences in surveys settings. These ideas are illustrated using the problem of inference from unequal probability samples. A model-based regression analysis that leads to a combination of design-based and model-based weighting is described.