A new method for estimating subgroup means under misclassification
误分类下子群均值估计的新方法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：摘要研究抽样误分类下的子群均值，未涉及处理效应或给定细分中的其他明确研究对象。
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…
误分类下子群均值估计的新方法
- 研究问题
- 当随机样本中的个体被有误差的工具分配到不同子群时，如何借助子样本的真实类别信息估计各子群响应均值？
- 方法与思路
- 作者采用双重抽样，在子样本中另外确定个体真实类别，提出一个简单的无需分布形式假设的估计量并研究大样本性质。
- 材料陈述的贡献
- 摘要称推导了所提估计量的大样本性质，并通过模拟显示其比 Selén 的估计量更有效率，未提供具体数值。
- 阅读关注点
- 应核对子样本的抽取机制、真实类别验证要求、误分类与响应变量的关系，以及效率比较所覆盖的模拟情形。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；无需分布形式假设不代表无其他条件，效率证据限于所述模拟，刊本变化未知。
原文摘要
This paper considers the estimation of the subgroup means of a response variable when the individuals in a random sample are allocated to the subgroups or classes by a fallible device. A double sampling scheme under which we determine also the true classes of the individuals in a subsample is utilized. A simple distributional-free estimator is proposed and the associated large-sample properties are also derived. The proposed estimator is also demonstrated by simulation studies to be more efficient than Selén's estimator (1986).