On the Effect of Stratification When Two Stratifying Variables are Used
使用两个分层变量时分层抽样的效果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：摘要讨论调查抽样中的分层方差近似，分层变量不构成面板或因果识别证据，因此现有材料不足以选择领域细分。
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
使用两个分层变量时分层抽样的效果
- 研究问题
- 相较只使用一个分层变量，同时使用两个变量进行调查抽样分层，可以在何种程度上降低研究变量的抽样方差？
- 方法与思路
- 作者在研究变量对两个分层变量呈线性回归关系的假设下，给出依赖层数、联合密度和相关系数的方差近似。
- 材料陈述的贡献
- 摘要称，所得近似揭示了双变量分层的方差决定因素，且在许多实际情形中，相比单变量分层的收益不可忽略。
- 阅读关注点
- 应核对分层边界、样本分配及方差对象的定义，检查线性回归假设和近似误差，以及单、双变量方案的可比条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未说明具体抽样设计、近似精度或收益数值，不能推断任意双变量分层都更好。
原文摘要
Most of the literature on survey sampling deals with a single stratifying variable. In this paper an attempt is made to study the effect of using two stratifying variables. We present an approximation to the variance of the study variable under the assumption of a linear regression on the two stratifying variables. This approximation depends only on the number of strata, the simultaneous density of the stratifying variables, and the correlations between the study variable and each of the stratifying variables. The results indicate that in many practical situations the gain from using two stratifying variables over one is nontrivial.