The Linear Least-Squares Prediction Approach to Two-Stage Sampling
两阶段抽样的线性最小二乘预测方法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：摘要研究有限总体的分群抽样与预测估计，分群不等同于面板或经济网络，缺乏对应细分依据。
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
两阶段抽样的线性最小二乘预测方法
- 研究问题
- 如何在有限总体两阶段抽样中利用线性超总体模型构造最佳线性无偏估计，并分析抽样设计与模型失配？
- 方法与思路
- 作者陈述一般线性超总体模型下的最佳线性无偏估计及误差方差定理，再用于自然分群总体并比较常规与替代估计量。
- 材料陈述的贡献
- 摘要将线性预测理论用于两阶段抽样，讨论估计量的模型性质和设计问题，并考察回归模型失效的部分后果。
- 阅读关注点
- 应核对超总体模型与两阶段抽样机制的关系、最佳性和误差方差的条件，以及模型失配下比较结论如何变化。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未给出定理条件或失配结果，不能判断设计稳健性。
原文摘要
The linear least-squares prediction approach is applied to some problems in two-stage sampling from finite populations. A theorem giving the optimal (BLU) estimator and its error-variance under a general linear “superpopulation” model for a finite population is stated. This theorem is then applied to a model describing many populations whose elements are grouped naturally in clusters. Next, the probability model is used to analyze various conventional estimators and certain estimators suggested by the theory as alternatives to the conventional ones. Problems of design are considered, as are some consequences of regression-model failure.