Weighting for Unequal Selection Probabilities in Multilevel Models
多层模型中不等选择概率的加权处理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：摘要研究调查抽样中的多层模型加权，未说明纵向面板、因果处理或所列其他方向。
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…
多层模型中不等选择概率的加权处理
- 研究问题
- 多阶段调查抽样的不等选择概率如何使两层模型的标准估计产生偏差，又如何通过分阶段加权与权重缩放处理？
- 方法与思路
- 作者用各抽样阶段选择概率的倒数构造加权估计，提出权重缩放和方差估计，并通过有限模拟与调查数据说明。
- 材料陈述的贡献
- 摘要称，两层样本数量共同增长时可得到一致估计；有限模拟表现良好，但信息性设计下层内样本较小时仍有偏差。
- 阅读关注点
- 阅读时应核对信息性抽样的设定、各层权重与缩放方式、两层样本增长条件，以及层内样本较小时的偏差和方差估计。
- 阅读边界
- 仅据所给 Crossref 摘要；模拟范围有限且已报告小层内样本偏差，不能把一致性结论理解为固定层内样本下也成立。
原文摘要
Summary When multilevel models are estimated from survey data derived using multistage sampling, unequal selection probabilities at any stage of sampling may induce bias in standard estimators, unless the sources of the unequal probabilities are fully controlled for in the covariates. This paper proposes alternative ways of weighting the estimation of a two-level model by using the reciprocals of the selection probabilities at each stage of sampling. Consistent estimators are obtained when both the sample number of level 2 units and the sample number of level 1 units within sampled level 2 units increase. Scaling of the weights is proposed to improve the properties of the estimators and to simplify computation. Variance estimators are also proposed. In a limited simulation study the scaled weighted estimators are found to perform well, although non-negligible bias starts to arise for informative designs when the sample number of level 1 units becomes small. The variance estimators perform extremely well. The procedures are illustrated using data from the survey of psychiatric morbidity.