Standard Errors for Indexes From Complex Samples
复杂抽样所得指数的标准误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：摘要聚焦复杂抽样与调查指数的方差计算，经济指标背景不足以确定宏观时间序列或预测方向。
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
复杂抽样所得指数的标准误
- 研究问题
- 经济与社会调查中，由比率均值、加权汇总及现期相对基期比率构成的指数和指数变化，应如何计算标准误？
- 方法与思路
- 作者为复杂样本中的比率统计量、相对数、指数及其变化推导标准误公式和近似，并应用于消费者态度与预期调查。
- 材料陈述的贡献
- 摘要称给出了便于计算的标准误表达与近似，并通过多项调查结果考察统计量表现，讨论其对经济社会指标调查设计的意义。
- 阅读关注点
- 应核对抽样设计、随机样本规模及各统计量之间的协方差处理，关注近似误差，以及实际调查结果支持哪些设计建议。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体抽样设计、标准误公式和经验数值未提供，不能判断近似在其他调查中的精度。
原文摘要
Methods of computing standard errors were developed and applied for several statistics of importance in economic and social surveys. These statistics are based on ratio means r = y/x; x is often the variable sample size of complex samples. Some statistics involve weighted sums σWjrj, others concern the relatives R1 = r1/r0 = (y1/x1)/(y0/x0), the ratio of current (1) to base (0) mean. From these relatives the indexes are constructed, and changes, I2 – I1, in the index. We develop computing formulas and helpful approximations for standard errors of these statistics, and apply them to a series of data from our Center's Surveys of Consumer Attitudes & Expectations. A large group of empirical results yield evidence on the behavior of these statistics, with wide implications for the design of surveys to measure economic and social indicators.