Robust Estimation of Polychoric Correlation for Complex Survey Designs Using Minimum Divergence Methods
复杂抽样设计下多分格相关的稳健最小散度估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要主题为多分格相关的稳健估计与复杂抽样设计下的渐近理论，属于测量模型与调查统计方法，未直接对应所列因果推断、面板、离散选择、时间序列、金融等任一领域细分，故留空。
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…
复杂抽样设计下多分格相关的稳健最小散度估计
- 研究问题
- 摘要称，标准极大似然多分格相关估计对调查数据中的污染（作答误差、访员效应、随意作答）高度敏感，却对所有观测等权；研究问题是在复杂抽样设计下如何稳健估计多分格相关。
- 方法与思路
- 作者提出基于两种最小散度准则的稳健估计量：Hellinger 距离（HD）与负指数散度（NED），通过 Horvitz–Thompson 调整的单元格频数纳入抽样权重；对 HD 提出惩罚 Ridge 与 Lasso 变体，仅正则化冗余参数而不惩罚相关系数，并给出相合性、渐近正态性及反映抽样设计的三明治协方差。
- 材料陈述的贡献
- 摘要称两类估计量具有互补优势：在一致型污染下惩罚 HD 的均方误差最低，在不一致型污染以及污染与误设定复合情形下 NED 表现最好；并据此给出依预期污染模式选择方法的实践指引。
- 阅读关注点
- 应核对：HD 与 NED 的具体散度定义与估计方程；Horvitz–Thompson 权重进入单元格频数的确切方式；惩罚项形式与调参选择；渐近理论所需正则条件及影响函数非一致有界的后果；模拟中污染几何与潜在边缘分布的设定、样本规模及与既有稳健方法的比较。
- 阅读边界
- 仅依据摘要，无法判断定理条件是否充分、模拟是否覆盖真实调查设计、实践指引的适用范围，也未说明是否给出方差估计的可行实现或软件；摘要未说明实证应用。该文为 arXiv 预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
Standard maximum likelihood estimation of polychoric correlations is highly sensitive to contamination in survey data, including response errors, interviewer effects, and careless responding, yet assigns equal weight to all observations regardless of data quality. We develop robust estimators for polychoric correlation under complex survey designs based on two minimum divergence criteria -- Hellinger distance (HD) and negative exponential disparity (NED) -- incorporating survey weights through Horvitz--Thompson adjusted cell frequencies. For HD, we propose penalized Ridge and Lasso variants that regularize nuisance parameters while leaving the correlation unpenalized, and establish consistency and asymptotic normality with a sandwich covariance reflecting the sampling design. The influence function is finite but not uniformly bounded, reflecting Hellinger's sensitivity to sparse cells. Simulations under Poisson proportional-to-size sampling examine three contamination geometries -- concordant upper, concordant lower, and discordant mixed corner -- crossed with standard and non-standard latent marginals. The two estimator classes offer complementary advantages: penalized HD methods achieve the lowest mean squared error under concordant contamination, while NED performs best under discordant contamination and under compound misspecification--contamination effects. We provide practical guidelines for method selection based on anticipated contamination patterns in survey practice.