Minimax Purposive Survey Sampling Design
极小极大准则下的目的性调查抽样设计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：摘要讨论一般调查抽样设计与总体总量估计，没有足够依据归入所列计量领域细分。
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
极小极大准则下的目的性调查抽样设计
- 研究问题
- 在线性回归超总体模型下，如何选择调查样本，使未抽样单位的最大预测均方误差尽可能小，并考察总体总量估计效率？
- 方法与思路
- 作者以最大预测均方误差最小化作为设计准则，推导该最大误差的上界，并给出寻找满足上界要求的样本的算法。
- 材料陈述的贡献
- 摘要称，文章提出区别于既有准则的抽样设计方法，并将其总体总量估计效率与所述平衡设计进行比较。
- 阅读关注点
- 应核对最大误差针对哪些对象取最大值、误差上界成立的条件，以及算法如何满足上界要求和效率比较的设定。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；模型条件、算法细节和比较结果未交代，不能判断其他版本或刊本变化。
原文摘要
The linear regression superpopulation model for survey sampling allows a formulation of the survey design problem which is close to optimum experimental design theory. This article introduces an alternative criterion to that of Royall (1970). A sampling design can be chosen to minimize the maximum mean squared error (mse) of “prediction” over the unsampled units. An upper bound for this maximum mse is derived and an algorithm given for obtaining samples satisfying the bound. The efficiency of these minimax designs for estimation of the population total is compared with the best designs in this case—namely the balanced designs of Royall.