Small area estimation when auxiliary information is measured with error
辅助信息含测量误差时的小区域估计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。
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：摘要涉及调查小区域估计与测量误差，没有直接对应所列计量细分。
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
辅助信息含测量误差时的小区域估计
- 研究问题
- 小区域估计借助辅助信息提高精度时，辅助信息自身的测量误差会怎样影响结果，如何避免忽略误差导致性能恶化？
- 方法与思路
- 作者提出计入辅助信息抽样变异的新估计量并推导其性质，以两个美国健康调查分别提供目标量和辅助信息开展应用。
- 材料陈述的贡献
- 摘要称忽略辅助信息误差的估计可能劣于直接估计，新方法具有近似无偏性质，并给出健康调查中的预测应用。
- 阅读关注点
- 应核对测量误差与抽样误差的设定、调查间关联及方差估计方式，尤其是近似无偏的含义和均方误差比较条件。
- 阅读边界
- 所给材料为稿件版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；未给出完整误差条件，也未证明所有情形下均方误差更低。
原文摘要
Small area estimation methods typically combine direct estimates from a survey with predictions from a model in order to obtain estimates of population quantities with reduced mean squared error. When the auxiliary information used in the model is measured with error, using a small area estimator such as the Fay--Herriot estimator while ignoring measurement error may be worse than simply using the direct estimator. We propose a new small area estimator that accounts for sampling variability in the auxiliary information, and derive its properties, in particular showing that it is approximately unbiased. The estimator is applied to predict quantities measured in the U.S. National Health and Nutrition Examination Survey, with auxiliary information from the U.S. National Health Interview Survey. Copyright 2008, Oxford University Press.