Efficiency of Sieve Sampling in Auditing
审计中筛式抽样的效率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：摘要聚焦审计中的货币单位抽样与点估计精度，所给细分没有直接对应的抽样方向，其他分类也缺少明确文本依据。
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…
关注这篇论文的作者
审计中筛式抽样的效率
- 研究问题
- 在审计中的货币单位抽样中，筛式抽样相较简单随机抽样何时能够提高点估计精度，误差分配方式是否影响比较结果？
- 方法与思路
- 作者比较两种取得货币单位样本的方法，考虑把误差分配到总体货币单位的两种方案，并使用基于真实会计总体构建的多种研究总体。
- 材料陈述的贡献
- 摘要报告，在所考察的多种总体中，样本量不至于过大时，筛式抽样在两种误差分配方式下均给出更精确的点估计。
- 阅读关注点
- 应核对筛式抽样的具体实施、误差分配规则和点估计目标，重点关注精度指标、样本量范围及总体结构对比较结果的影响。
- 阅读边界
- 摘要未给出精度改善幅度、具体样本量阈值或估计量公式；所述优势限定于考察的总体和样本量范围，不能推为普遍结论。
原文摘要
Dollar-unit sampling is a popular method for sampling accounts by auditors. In this article, we analyze and compare two methods of obtaining dollar-unit samples, simple random sampling and sieve sampling. Two methods of assigning errors to the dollar units in the population are considered. For a variety of study populations based on actual accounting populations, it is found that sieve sampling, with either error assignment method, produces a more precise point estimator than simple random sampling of dollar units for sample sizes that are not excessively large for audit applications.