Some Results on Robust Estimation in Finite Population Sampling
有限总体抽样中稳健估计的若干结果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：摘要研究抽样策略与模型误设的一般统计理论，未提供可对应所列经济计量细分方向的直接证据。
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
有限总体抽样中稳健估计的若干结果
- 研究问题
- 在有限总体抽样中，估计量与抽样设计组成的策略，何时能稳健地达到预期方差的 Godambe–Joshi 下界？
- 方法与思路
- 作者以达到该方差下界界定稳健性，引入估计量的弱稳健与强稳健概念，并考察超总体模型矩阵误设的影响。
- 材料陈述的贡献
- 摘要称，渐近设计无偏是稳健性的必要但非充分条件，并给出结合模型无偏与弱稳健性的充分条件。
- 阅读关注点
- 应核对弱稳健与强稳健的定义、充分条件的适用范围，以及设计矩阵和协方差矩阵误设如何影响这些结论。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体正则条件、证明及误设范围未提供，不能推断其他版本变化。
原文摘要
The present article examines the robustness of sampling strategies, that is, estimators and sample designs, from the point of view of attaining the minimum value of the Godambe—Joshi lower bound to the expected variance of a strategy. It is shown that asymptotic design unbiasedness is necessary but insufficient for robustness defined in the above sense. The concepts of weak and strong robustness of estimators, for given sampling strategies, are introduced. The article establishes that a sufficient condition for a sampling strategy to be robust is that the estimator is model unbiased and weakly robust. Sufficient conditions are also given for an estimator to be weakly robust. These conditions are then used to examine the robustness of strategies when the design matrix or the covariance matrix of the superpopulation model is misspecified. The robustness of model-based predictors is also examined.