On the two-phase framework for joint model and design-based inference
模型与设计联合推断的两阶段框架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：摘要属于抽样设计与模型推断的一般理论，未明确对应给定的计量细分方向。
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…
模型与设计联合推断的两阶段框架
- 研究问题
- 如何在统一概率框架中结合有限总体的抽样设计与超总体模型，并说明两类随机性下估计量的联合极限行为？
- 方法与思路
- 作者定义同时包含设计空间与模型空间的乘积概率空间，将有限总体抽样理论和无限总体抽样理论纳入联合分析。
- 材料陈述的贡献
- 摘要称在一定条件下，设计与模型中的收敛对象渐近独立并联合收敛，且样本估计方程的估计量围绕超总体参数渐近正态。
- 阅读关注点
- 应核对乘积空间的构造、两阶段随机性的关系、联合收敛与渐近独立条件，以及估计方程的中心化和方差分解。
- 阅读边界
- 仅据版本未注明的索引摘要；所称条件没有展开，不能把联合收敛、渐近独立或正态性视为任意抽样设计下均成立。
原文摘要
We establish a mathematical framework that formally validates the two-phase “super-population viewpoint” proposed by Hartley and Sielken [Biometrics 31 (1975) 411–422] by defining a product probability space which includes both the design space and the model space. The methodology we develop combines finite population sampling theory and the classical theory of infinite population sampling to account for the underlying processes that produce the data under a unified approach. Our key results are the following: first, if the sample estimators converge in the design law and the model statistics converge in the model, then, under certain conditions, they are asymptotically independent, and they converge jointly in the product space; second, the sample estimating equation estimator is asymptotically normal around a super-population parameter.