On the Bias of the Multiple-Imputation Variance Estimator in Survey Sampling
调查抽样中多重插补方差估计量的偏差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：摘要聚焦复杂调查抽样中的缺失数据和方差偏差，未明确涉及因果、面板或其他所列细分，故暂不分类。
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…
调查抽样中多重插补方差估计量的偏差
- 研究问题
- 复杂抽样设计下，用部分插补数据构造估计量时，多重插补方差估计会产生怎样的偏差，何时偏差可能较大？
- 方法与思路
- 作者推导复杂抽样数据中多重插补方差估计量的偏差表达式，讨论域均值等估计对象，并提出偏差调整方案。
- 材料陈述的贡献
- 摘要称在插补比例较高时，域均值等估计量的方差偏差可能显著，并据此建议采用经过偏差调整的方差估计量。
- 阅读关注点
- 阅读全文时应核对抽样设计、插补机制与方差目标的设定，偏差表达式如何得到，以及调整量的可计算性和有效条件。
- 阅读边界
- 仅依据所给 Crossref 摘要；插补机制、偏差大小和调整后的统计性质未说明，不能认定所有多重插补场景均存在同类偏差。
原文摘要
Summary Multiple imputation is a method of estimating the variances of estimators that are constructed with some imputed data. We give an expression for the bias of the multiple-imputation variance estimator for data that are collected with a complex sample design. The bias may be sizable for certain estimators, such as domain means, when a large fraction of the values are imputed. A bias-adjusted variance estimator is suggested.