Optimality Criteria in Survey Sampling
调查抽样中的最优性准则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：摘要讨论调查抽样设计与通用最优性准则，未直接涉及所列计量细分方向。
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
调查抽样中的最优性准则
- 研究问题
- 如何在调查抽样中统一不同甚至相互冲突的最优性观点，并解释随机化以及抽样策略对评价准则的敏感程度？
- 方法与思路
- 作者基于固定总体的回归型模型，引入类似最优实验设计的一类准则，将极小极大与超总体方法对应到两个极端。
- 材料陈述的贡献
- 摘要称，该框架有助于理解随机化的作用，并证明简单随机抽样配合样本均值及 Rao–Hartley–Cochran 策略具有准则稳健性。
- 阅读关注点
- 阅读全文时应核对准则族及其极端的定义、固定总体模型如何使用，以及所谓准则稳健性覆盖哪些策略和条件。
- 阅读边界
- 仅据稿件版本未注明的索引摘要；准则稳健性的准确含义未给出，不能扩展为对模型误设或所有抽样设计的稳健性。
原文摘要
This paper attempts to fill the gap between some different and conflicting approaches in survey sampling. Based on a fixed population regression-type model, a class of optimality criteria similar to those well accepted in optimal experimental design theory is introduced. The minimax and superpopulation approaches in survey sampling turn out to correspond to two extreme criteria in the proposed class. This helps understand the role of randomization. The strategy of simple random sampling with sample mean and the Rao-Hartley-Cochran strategy are shown to be criterion-robust.