Estimating Variance Components by Using Survey Data
利用调查数据估计方差分量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：摘要研究调查抽样下的一般方差分量估计，未明确面板结构或其他所列领域的具体问题。
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
利用调查数据估计方差分量
- 研究问题
- 调查抽样中，常规膨胀型及部分修正加权估计可能严重偏误，如何构造对不同抽样设计更稳健的方差分量估计量？
- 方法与思路
- 作者利用观测的联合入样概率构造新估计量，在单因素随机效应模型中模拟其小样本性质，并展示健康营养调查应用。
- 材料陈述的贡献
- 摘要称，部分新估计量无论抽样设计如何都近似无偏，并指出既有加权方法在某些设计下可能仍有严重偏误。
- 阅读关注点
- 应核对联合入样概率的可获得性与使用条件、近似无偏的误差来源，以及模拟抽样设计和单因素模型的限制。
- 阅读边界
- 仅依据所给 Crossref 摘要；近似无偏的具体条件与误差量级未说明，结果不能自动推广至所有随机效应模型。
原文摘要
Summary Inflation-type weighted estimators for variance components can be badly biased. Modified weighted estimators suggested in the literature are also badly biased for certain sampling designs. We propose new estimators for variance components, some of which are approximately unbiased regardless of the sampling design. These estimators require knowledge of the joint inclusion probabilities of the observations. The small sample properties of the estimators are studied via simulation for the simple one-way random-effects model. An application is given by using data from the US Hispanic Health and Nutrition Examination Survey.