Randomized Response Techniques for Multiple Sensitive Attributes
多个敏感属性的随机化回答技术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：随机化用于保护敏感回答而非处理分配，摘要属于调查方法，未支持归入因果推断或其他给定细分。
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
多个敏感属性的随机化回答技术
- 研究问题
- 调查多个敏感属性时，如何用较少的每人回答试次估计所需阶数的联合比例，并在固定受访者风险下比较估计精度？
- 方法与思路
- 作者提出估计至多 r 元联合比例时每人仅需 r 次试验的技术，详析二元情形，并给出受限最大似然估计及成对独立性检验。
- 材料陈述的贡献
- 摘要称新技术减少所需试次，扩展受访者风险度量，并在固定风险下以渐近协方差矩阵的迹比较技术，另述实际应用。
- 阅读关注点
- 应核对随机化回答机制、联合比例的可识别性、受限估计的约束，以及受访者风险定义和精度比较所用参数。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未提供比较数值或受访者遵从情况，不能声称新技术在所有设定下更高效。
原文摘要
Some randomized response techniques for investigating t ≧ 2 sensitive attributes are reviewed. A new technique is proposed that has the advantage of requiring only r trials per respondent (r ≦ t) if estimation of up to r-variate joint proportions is desired. The case of r = 2 is analyzed in detail. A procedure for deriving the restricted maximum likelihood estimators (MLE's) of the proportions and a test of independence between any set of pairs of attributes are given. The notion of measure of respondent jeopardy is extended to our setup. Keeping this measure fixed, we make numerical comparisons for the t = 2 case between competing techniques in terms of the trace of the asymptotic variance-covariance matrix of the estimator vector. Finally, a practical application of the new technique is described.