Poststratification Without Population Level Information on the Poststratifying Variable With Application to Political Polling
缺少总体分层变量信息时的后分层：政治民调应用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：摘要研究重复调查的后分层估计，未明确涉及因果识别或同一个体的面板数据。
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…
缺少总体分层变量信息时的后分层：政治民调应用
- 研究问题
- 重复抽样调查中，缺少后分层变量的总体信息时，如何利用相关变量提高一系列总体均值估计的精度？
- 方法与思路
- 作者对后分层变量随时间的演变建模，再据此实施后分层；例子以政党认同辅助估计总统支持率。
- 材料陈述的贡献
- 摘要称该方法可提高均值估计精度，同时避免对目标变量即总统支持率的动态作出可能难以成立的假设。
- 阅读关注点
- 应核对分层变量的动态模型、总体信息如何估计、模型不确定性如何传递，以及精度改善的比较方法。
- 阅读边界
- 仅据未注明稿件版本的 OpenAlex 索引摘要；动态模型、抽样设计及精度改善数值未说明，也未说明属于个体面板。
原文摘要
We investigate the construction of more precise estimates of a collection of population means using information about a related variable in the context of repeated sample surveys. The method is illustrated using poll results concerning presidential approval rating (our related variable is political party identification). We use poststratification to construct these improved estimates, but because we do not have population level information on the poststratifying variable, we construct a model for the manner in which the poststratifier develops over time. In this manner, we obtain more precise estimates without making possibly untenable assumptions about the dynamics of our variable of interest, the presidential approval rating.