Characterization of Best Model-Based Predictors in Survey Sampling
调查抽样中最优模型预测量的刻画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：摘要研究调查抽样中的有限总体总量预测，未提供宏观预测、面板数据或其他所列细分领域的依据。
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
调查抽样中最优模型预测量的刻画
- 研究问题
- 在具有对称正定协方差矩阵的一般线性模型下，有限总体总量的任意线性预测量需要满足哪些条件才具有最优性？
- 方法与思路
- 作者在模型框架下刻画线性预测量最优性的必要充分条件；摘要给出协方差矩阵要求，但未说明最优性的具体准则。
- 材料陈述的贡献
- 摘要称结果扩展并统一了调查抽样中此前在更严格条件下建立的稳健估计研究，但未展示具体条件或对应关系。
- 阅读关注点
- 应核对预测误差的评价准则、抽样设计与模型的关系，以及必要充分条件如何涵盖此前较受限制的结果。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；最优性的损失准则与稳健性的含义未说明，不能推断模型失配下仍最优。
原文摘要
This paper presents the necessary and sufficient conditions for the optimality of an arbitrary linear predictor of the total of a finite population in survey sampling under a general linear model with a symmetric and positive-definite covariance matrix. Results of the paper extend and unify earlier work on robust estimation in survey sampling under more restrictive conditions.