Pseudo-population bootstrap methods for imputed survey data
插补调查数据的伪总体自助法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：摘要明确研究总体分位数的方差估计与推断，因此对应分位数与分布方向，但未涉及经济分布效应的应用。
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
插补调查数据的伪总体自助法
- 研究问题
- 调查项目缺失经插补后，如何估计有限总体参数的方差，并避免将插补值当作真实观测而导致无效推断？
- 方法与思路
- 作者采用两种伪总体自助抽样方案，为多类有限总体参数构造方差估计，并研究总体总量与分位数的渐近性质。
- 材料陈述的贡献
- 摘要称，论文建立了总量和分位数自助方差估计的渐近性质；模拟显示其相对偏差与覆盖概率表现良好。
- 阅读关注点
- 阅读全文时应核对调查抽样设计、缺失与插补机制、伪总体构造，以及方差估计有效性所需的渐近条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明具体条件、模拟设定和数值结果，不能推断刊本变化。
原文摘要
The most common way to treat item nonresponse in surveys is to replace a missing value by a plausible value constructed on the basis of fully observed variables. Treating the imputed values as if they were observed may lead to invalid inferences. Bootstrap variance estimators for various finite population parameters are obtained using two pseudo-population bootstrap schemes. We establish the asymptotic properties of the resulting bootstrap variance estimators for population totals and population quantiles. A simulation study suggests that the methods perform well in terms of relative bias and coverage probability.