Variance Estimation in Finite Population Sampling
有限总体抽样中的方差估计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：摘要聚焦有限总体抽样和模型失配下的方差估计，未直接涉及指定领域中的因果、面板或分布效应问题。
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…
有限总体抽样中的方差估计
- 研究问题
- 在线性回归模型可能不准确时，如何估计有限总体总量BLUE的方差，为其构造大样本置信区间？
- 方法与思路
- 作者推导稳健方差估计量，比较其与加权最小二乘方差估计的渐近性质，并研究与jackknife的渐近等价关系。
- 材料陈述的贡献
- 摘要称，该方差估计具有有利的渐近比较性质，在较一般条件下与jackknife渐近等价，并扩展已有比率估计结果。
- 阅读关注点
- 应核对抽样设计、模型不准确的具体含义、方差估计的一致性条件，以及jackknife等价结论所需的渐近框架。
- 阅读边界
- 依据版本未注明的OpenAlex索引摘要；具体抽样条件与区间覆盖表现未说明，不能把渐近结论视为有限样本保证。
原文摘要
Under a linear regression model, the best linear unbiased estimator (BLUE) for a finite population total can be obtained. The problem studied here is that of estimating the variance for setting large-sample confidence intervals about the BLUE when the model generating this estimate is inaccurate. A robust variance estimator is derived, and its asymptotic properties are shown to compare favorably with those of the weighted least-squares variance estimator. The robust variance estimator is shown to be asymptotically equivalent to the jackknife variance estimator under rather general conditions. These are extensions of results previously established for the ratio estimator by Royall and Eberhardt (1975).