A new estimation theory for sample surveys
抽样调查的一种新估计理论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：摘要讨论有限总体抽样调查的通用估计理论，未明确对应所列经济计量细分方向。
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
抽样调查的一种新估计理论
- 研究问题
- 当有限总体的调查变量取值于已知有限量表时，如何统一解释不同抽样设计下的无偏、最大似然与贝叶斯估计？
- 方法与思路
- 作者按已知有限量表对总体作特殊参数化，并在不依赖单位预附识别标签的估计量类中分析不同抽样方案。
- 材料陈述的贡献
- 摘要称得到无放回抽样的最小方差无偏结果、有放回抽样按不同单位计算的均值似然结果，并联系回归与贝叶斯估计。
- 阅读关注点
- 核对有限量表参数化与估计量类限制，重复抽中单位如何进入似然，以及辅助变量下似然近似与回归估计的关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。结果依赖摘要所述量表与估计量类限制，不能直接推广至任意变量或复杂抽样设计。
原文摘要
A new estimation theory for sample surveys is proposed, the basic feature of which is a special parametrization of finite populations based on the assumptions that a character attached to the units is measured on a known scale with a finite set of scale points. In the class of estimators which do not functionally depend on the identification labels preattached to the units, the following results are proved: (1) For simple or stratified simple random sampling without replacement, the customary estimators are minimum variance unbiased. (2) For simple random sampling with replacement, the sample mean based only on the distinct units in the sample is the maximurn-likelihood estimator of the population mean. (3) If a concomitant variable with known population mean is also observed, an approximation to the maximum-likelihood estimator of the population mean is closely related to the customary regression estimator. (4) If prior information in the form of a prior distribution is available, Bayes estimators can be derived using the complete likelihood.