Stratified adaptive cluster sampling
分层自适应群集抽样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：摘要讨论抽样设计及总体均值和总量估计，未提供与所列经济计量细分方向直接对应的证据。
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
分层自适应群集抽样
- 研究问题
- 分层抽样后按邻域观测自适应扩充样本，可能引入跨层依赖；如何在这种设计下无偏估计总体均值或总量？
- 方法与思路
- 作者考虑满足指定条件便继续纳入邻域单位的抽样设计，并针对扩充样本可能跨越分层边界的情况构造多类估计量。
- 材料陈述的贡献
- 摘要称常规分层样本均值在这些自适应设计下存在偏差，并提出若干对总体均值或总量具有无偏性的估计方法。
- 阅读关注点
- 核对初始抽样方式、邻域与触发条件的定义、跨层纳入概率的处理，以及各类无偏估计量的计算要求和方差性质。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；无偏性的具体设计条件、估计公式及实际效率比较均未说明。
原文摘要
Stratified adaptive cluster sampling refers to designs in which, following an initial stratified sample, additional units are added to the sample from the neighbourhood of any selected unit with an observed value that satisfies a condition of interest. If any of the added units in turn satisfies the condition, still more units are added to the sample. Estimation of the population mean or total with the stratified adaptive cluster designs is complicated by the possibility that a selection in one stratum may result in the addition of units from other strata to the sample, so that observations in separate strata are not independent. Since conventional estimators such as the stratified sample mean are biased with the adaptive designs of this paper, several types of estimators are developed which are unbiased for the population mean or total with stratified adaptive cluster sampling.