On the Estimation of the Correlation Coefficient from Grouped Data
利用分组数据估计相关系数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：摘要研究一般分组数据的相关系数估计，未提供与所列经济计量细分方向直接对应的证据。
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
利用分组数据估计相关系数
- 研究问题
- 当保密要求使研究者不能建立个体层面的完整联合样本时，如何利用分组汇总信息估计两个变量的相关系数？
- 方法与思路
- 作者提出两种估计量，按其中一个变量的取值分组，使用两个变量的组均值和总方差，无须汇编完整的双变量样本。
- 材料陈述的贡献
- 摘要称两种估计量具有渐近正态性，并通过渐近分析与蒙特卡洛研究比较误差；相较既有分组估计量的效率更高。
- 阅读关注点
- 阅读时应核对分组规则、所需汇总统计量及渐近条件，并区分与通常样本相关系数、既有分组估计量的比较。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明。所述效率表现依赖给定模拟设置，不能推广为普遍优势，也不能推断刊本变化。
原文摘要
This article proposes two estimators of the correlation coefficient, ρ, when statisticians will not construct a master file on individuals because of confidentiality issues. The approach depends on grouping the data according to the values of one of the variables. Group means and total variance for both variables are required to calculate the estimators. The complete bivariate sample need never be compiled. The estimators are shown to be asymptotically normal. Asymptotic and Monte Carlo results are examined. For 1,000 observations in 10 groups, these results indicate that the ratio of the mean squared error (MSE) for one of the proposed estimators relative to that for the usual estimator of ρ ranges from .82 to .95 as ρ ranges from .9 to .25. The proposed estimators are more efficient than previous estimators for grouped data.