On Two Methods of Unbiased Estimation with Auxiliary Variates
利用辅助变量进行无偏估计的两种方法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：材料讨论辅助变量抽样估计的一般方法关系，缺乏所列细分领域的直接依据。
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
利用辅助变量进行无偏估计的两种方法
- 研究问题
- 通过理论上拆分总体与实际拆分样本构造无偏比率、回归估计量的两种既有方法，究竟具有什么关系？
- 方法与思路
- 作者比较两种拆分程序所生成的估计量，从组合结构与条件论证两个方面说明它们的联系及差异。
- 材料陈述的贡献
- 摘要称两种程序产生相似估计量并在组合意义下等价，同时指出二者使用的条件论证并不相同。
- 阅读关注点
- 应核对总体拆分与样本拆分的精确定义、组合等价的含义，以及不同条件论证如何建立估计量的无偏性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；等价性的具体范围与所需条件未说明，无法判断刊本变化。
原文摘要
This paper shows the relationship between two existing methods of generating unbiased ratio and regression estimators. One procedure involves splitting up the population (theoretically) while the other splits up the sample itself. The two procedures yield similar estimators and are combinatorially equivalent. They are unalike in that they utilize different conditional arguments.