Doubly Robust Inference With Nonprobability Survey Samples
非概率调查样本的双重稳健推断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：摘要针对调查抽样和有限总体均值推断，未明确涉及处理效应、面板或其他所列细分方向。
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
非概率调查样本的双重稳健推断
- 研究问题
- 当目标调查采用非概率抽样、但可取得概率调查的辅助信息时，如何对有限总体均值进行可靠估计和推断？
- 方法与思路
- 作者建立两类调查信息结合的推断框架，估计非概率样本单位的倾向得分，构造双重稳健均值估计并讨论方差估计。
- 材料陈述的贡献
- 摘要称模拟展示了相对既有方法的稳健性与效率，并用 Pew 调查及两项概率调查辅助信息说明框架的应用。
- 阅读关注点
- 应核对双重稳健性对应的模型、样本选择与总体覆盖条件、两类调查的权重处理，以及方差如何纳入辅助信息的不确定性。
- 阅读边界
- 来源为版本未注明的 OpenAlex 索引摘要；未说明样本选择假设、双重稳健性的具体条件或效率比较范围，不能推断刊本变化。
原文摘要
We establish a general framework for statistical inferences with nonprobability survey samples when relevant auxiliary information is available from a probability survey sample. We develop a rigorous procedure for estimating the propensity scores for units in the nonprobability sample, and construct doubly robust estimators for the finite population mean. Variance estimation is discussed under the proposed framework. Results from simulation studies show the robustness and the efficiency of our proposed estimators as compared to existing methods. The proposed method is used to analyze a nonprobability survey sample collected by the Pew Research Center with auxiliary information from the Behavioral Risk Factor Surveillance System and the Current Population Survey. Our results illustrate a general approach to inference with nonprobability samples and highlight the importance and usefulness of auxiliary information from probability survey samples. Supplementary materials for this article are available online.