Jackknife variance estimation with survey data under hot deck imputation
热卡插补调查数据的刀切法方差估计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：摘要研究复杂调查抽样、项目非响应和插补方差，未明确涉及所列面板或其他应用细分领域。
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
热卡插补调查数据的刀切法方差估计
- 研究问题
- 在分层多阶段调查中，如何避免把热卡插补值视为真实值而低估方差，并让刀切法方差估计反映插补带来的不确定性？
- 方法与思路
- 作者先在每个刀切伪重复样本中调整插补值，再应用标准刀切公式，并在插补类内响应概率相等和特定热卡方案下分析。
- 材料陈述的贡献
- 摘要称，通常把插补值当真实值计算方差可能严重低估真实方差，而所提出的方差估计在给定条件下随样本量增加具有一致性。
- 阅读关注点
- 应核对热卡供体选择与插补类构造、伪重复中的插补调整规则、调查设计的渐近条件，以及类内等响应概率假设的作用。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；一致性依赖特定热卡方案和类内等响应概率，不能推广到任意插补或非响应机制。
原文摘要
Hot deck imputation is commonly employed for item nonresponse in sample surveys. It is also a common practice to treat the imputed values as if they are true values, and then compute the variance estimates using standard formulae. This procedure, however, could lead to serious underestimation of the true variance, when the proportion of missing values for an item is appreciable. We propose a jackknife variance estimator for stratified multistage surveys which is obtained by first adjusting the imputed values for each pseudo-replicate and then applying the standard jackknife formula. The proposed jack-knife variance estimator is shown to be consistent as the sample size increases, assuming equal response probabilities within imputation classes and using a particular hot deck imputation.