Some Asymptotic Results for the Systematic and Stratified Sampling of a Finite Population
有限总体系统抽样与分层抽样的若干渐近结果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：摘要属于有限总体抽样理论，未涉及所列面板、因果或其他经济计量细分问题。
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
有限总体系统抽样与分层抽样的若干渐近结果
- 研究问题
- 从按辅助规模变量排序的有限总体抽样时，样本均值的模型偏差何时渐近可忽略，分层抽样又能否获得设计一致性？
- 方法与思路
- 作者在目标变量与辅助规模变量的函数关系框架下，分析排序系统抽样、层内随机抽样及其他估计策略的渐近性质。
- 材料陈述的贡献
- 摘要称系统抽样的样本均值具有渐近可忽略的模型偏差，层内随机抽样还具有设计一致性，并讨论更有效率的策略。
- 阅读关注点
- 应核对有限总体渐近框架、函数关系与分层条件，并区分模型偏差可忽略、设计一致性和效率比较的各自依据。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要，不能将分层抽样的设计一致性移用于系统抽样；其他策略仅称可能设计一致。
原文摘要
A sample mean has an asymptotically insignificant model bias under a broad set of functional relationships between the parameter of interest and an auxiliary size variable given a systematic sample from a size ordered list. When based on randomly drawn samples within size strata, this estimator of the population mean not only has an asymptotically insignificant model bias but is design consistent as well. In addition, there are more efficient estimation strategies that have insignificant model biases and may be design consistent.