Regression Analysis of Data from a Cluster Sample
整群抽样数据的回归分析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：摘要研究整群抽样与群组回归异质性，未说明重复时间观测或网络干扰，不足以归入面板或网络方向。
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
整群抽样数据的回归分析
- 研究问题
- 有限总体各子群具有不同回归关系且仅部分子群被抽样时，如何估计群组回归系数的任意加权平均，并处理未知方差？
- 方法与思路
- 作者在仅约束系数分布前两阶矩的条件下推导扩展最小二乘估计量，另提出方差估计方法，并通过模拟比较所得经验估计量。
- 材料陈述的贡献
- 摘要称该估计量具有最佳线性 ξ 无偏性质，进一步分布假设下也是平方损失的贝叶斯估计量；模拟中经验版本表现良好。
- 阅读关注点
- 应核对 ξ 无偏的定义、系数矩条件与加权目标的关系，以及贝叶斯解释所需的额外假设和估计方差后性能的变化。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明。摘要未列出矩条件、额外分布假设或模拟数值，不能判断经验估计量的普遍优势。
原文摘要
For the case of different regression relationships in different subgroups of a finite population, only part of which are sampled, the extended least squares estimator of any weighted average of the distinct coefficients is derived, under assumptions relating only to the first two moments of the distribution of the coefficients. Under these assumptions, the estimator is shown to be the best linear ξ-unbiased estimator, while under further distributional assumptions, it is also the Bayesian estimator for a quadratic loss function. For the case of unknown variances a method for estimating them from the sample is proposed. The empirical estimator thus obtained is shown to perform well by a simulation comparison with the optimal estimator and with other proposed empirical estimators.