A Predictive Approach to Subdomain Estimation in Finite Populations
有限总体子域估计的预测方法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：摘要的预测对象是有限总体子域特征，并非宏观时间预测或金融收益预测。
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
有限总体子域估计的预测方法
- 研究问题
- 如何结合辅助信息与原研究域的样本估计量，估计有限总体子域特征，并改善合成估计的平方误差表现？
- 方法与思路
- 作者将子域统计量构造视为预测问题，建立超总体概率模型、推导最优预测量，并比较不同模型和合成估计方法。
- 材料陈述的贡献
- 摘要称在平方误差损失下，所推导预测量相对合成估计量表现有利，并进一步比较不同概率模型下的预测量。
- 阅读关注点
- 应核对超总体模型和辅助信息的设定、最优性所依赖的准则，以及与合成估计比较时如何处理模型偏离。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；最优性与有利比较的具体条件未说明，不能理解为所有抽样设计下均占优或推断刊本变化。
原文摘要
The problem of estimating finite population characteristics within subdomains is considered. Synthetic estimation has proved to be an important method for deriving such statistics. In constructing the statistics, one combines auxiliary information and sample estimators of the original domain of study. In this article we consider the construction of subdomain statistics as a prediction problem. We establish a superpopulation probability model and derive optimal predictors. With a squared error loss function we show that the predictors compare favorably with the synthetic estimators. A comparison of predictors based on different probability models is also carried out.