Small-area estimation based on natural exponential family quadratic variance function models and survey weights
基于自然指数族二次方差函数模型与调查权重的小区域估计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：摘要研究调查加权的小区域估计，未直接涉及面板、因果识别或分布效应。
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
基于自然指数族二次方差函数模型与调查权重的小区域估计
- 研究问题
- 当输入是带调查权重的区域均值估计、区域协变量及权重汇总信息时，如何估计小区域均值并评估估计误差？
- 方法与思路
- 作者基于自然指数族二次方差函数模型构造伪经验最佳线性无偏估计量，并给出可直接计算的近似均方误差表达。
- 材料陈述的贡献
- 摘要称提出估计量及显式近似均方误差，用模拟评价推断程序，并应用于美国某州各县五至十七岁儿童贫困比例估计。
- 阅读关注点
- 应核对调查权重如何进入模型、所需权重汇总量、均方误差近似的条件，以及模拟和县级应用中的误差评价方式。
- 阅读边界
- OpenAlex 摘要未注明稿件版本，未说明抽样设计、模型失配下的表现或模拟数值；不能把方法名称视为普遍无偏保证。
原文摘要
We propose pseudo empirical best linear unbiased estimators of small‐area means based on natural exponential family quadratic variance function models when the basic data consist of survey‐weighted estimators of these means, area‐specific covariates and certain summary measures involving the weights. We also provide explicit approximate mean squared errors of these estimators in the spirit of Prasad & Rao (1990), and these estimators can be readily evaluated. A simulation study is undertaken to evaluate the performance of the proposed inferential procedure. We estimate also the proportion of poor children in the 5–17 years age‐group for the different counties in one of the states in the United States.