Sample Weighting Methods and Estimation of Totals in the Consumer Expenditure Survey
消费者支出调查的样本加权与总量估计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：摘要属于调查抽样加权与总量估计，消费者支出这一应用对象不足以支持所列面板或因果推断分类。
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
消费者支出调查的样本加权与总量估计
- 研究问题
- 家庭调查如何在传统主受访人加权之外，更有效地纳入辅助人口信息和多项调查信息，估计子总体总量？
- 方法与思路
- 作者提出广义最小二乘权重调整算法，吸收辅助信息，并在消费者支出调查中运用权重控制与信息合成功能。
- 材料陈述的贡献
- 摘要称该算法原则上能降低调查总量估计的设计方差，同时展示了方法在辅助信息利用和调查信息合成方面的灵活性。
- 阅读关注点
- 应核对权重调整的约束和协方差估计、跨调查信息如何合成，以及方差降低结论对辅助信息准确性的要求。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；原则上的设计方差改善不等于必然消除无应答或覆盖不足造成的偏差。
原文摘要
The widely used Principal Person method of weighting households in federal government surveys uses external post-Censal information on population to improve survey sample weights by a form of poststratification. While the Principal Person Methodology can be viewed as part of a procedure to adjust for nonresponse and undercoverage, it is not oriented for efficiently incorporating ancillary information or combining information from multiple surveys into survey estimates of subdomain totals. In this article a generalized least squares adjustment algorithm is shown to incorporate ancillary information in a way that, in principle, reduces the design variance of estimated survey totals. The flexibility of the method is exploited in an application to the Consumer Expenditure Survey that makes use of its “weighting control” and “composition” features.