Approximate Bayesian inference under informative sampling
信息性抽样下的近似贝叶斯推断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：摘要核心是调查抽样与近似贝叶斯推断，未明确采用所列面板、因果或分布效应方法。
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…
信息性抽样下的近似贝叶斯推断
- 研究问题
- 复杂调查的抽样设计具有信息性时，如何在贝叶斯推断中反映这一设计，并支持独立调查的信息合并与校准估计？
- 方法与思路
- 作者利用摘要统计量的抽样分布构造目标参数后验，研究渐近性质，并通过模拟及韩国老龄化调查的测量误差应用评估。
- 材料陈述的贡献
- 摘要称，该方法可直接用于合并两个独立调查的信息和调查校准估计，模拟支持其在信息性抽样下提供有效估计。
- 阅读关注点
- 应核对抽样分布如何纳入调查设计、近似后验的渐近条件，以及调查合并、校准和测量误差分析各自的假设。
- 阅读边界
- 仅据版本未注明的索引摘要，设计信息的具体处理与渐近条件未说明；使用纵向调查数据并不证明方法专门处理面板依赖。
原文摘要
Statistical inference with complex survey data is challenging because the sampling design can be informative, and ignoring it can produce misleading results. Current methods of Bayesian inference under complex sampling assume that the sampling design is noninformative for the specified model. In this paper, we propose a Bayesian approach which uses the sampling distribution of a summary statistic to derive the posterior distribution of the parameters of interest. Asymptotic properties of the method are investigated. It is directly applicable to combining information from two independent surveys and to calibration estimation in survey sampling. A simulation study confirms that it can provide valid estimation under informative sampling. We apply it to a measurement error problem using data from the Korean Longitudinal Study of Aging.