The weighted residual technique for estimating the variance of the general regression estimator of the finite population total
估计有限总体总量的一般回归估计量方差的加权残差法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设计型方差估计，普通回归和条件推断不足以支持所列经济计量细分。
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…
估计有限总体总量的一般回归估计量方差的加权残差法
- 研究问题
- 如何改进有限总体总量一般回归估计量的设计方差估计，使其兼顾设计型置信区间、模型下偏差与条件推断表现？
- 方法与思路
- 作者在通常Taylor线性化方差估计的设计加权回归残差上，逐个附加简单的g权重，并通过示例讨论性质。
- 材料陈述的贡献
- 摘要称，新方差估计可给出有效的设计型置信区间，在适当回归模型下近乎无偏，并适合条件推断。
- 阅读关注点
- 应核对抽样设计、g权重定义及区间有效性的含义，确认近乎无偏所需模型，以及条件推断的条件化对象。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明完整设计条件、模型选择和有限样本覆盖表现，不能视为无条件改进或推断刊本变化。
原文摘要
The paper deals with design based estimation of the variance of the general regression estimator of the finite population total. The usual Taylor linearization variance estimator is an expression in the design weighted regression residuals; in many applications the resulting expression is counterintuitive from a model based standpoint. The improved variance estimator in this paper attaches another simple weight, called ‘g-weight’, to each individual residual. This new variance estimator(i) gives valid design-based confidence intervals, (ii) is nearly unbiased under a suitably chosen regression model, and (iii) works well for conditional inference. Examples are given.