Estimation of Autocorrelations of Survey Errors With Application to Trend Estimation in Small Areas
调查误差自相关的估计及其在小区域趋势估计中的应用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：摘要以调查误差的自相关和状态空间趋势分离为核心，直接涉及时间序列；面板式抽样本身不足以认定为面板计量模型。
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…
调查误差自相关的估计及其在小区域趋势估计中的应用
- 研究问题
- 在劳动力调查等面板式抽样中，如何估计调查误差的自相关，并将其造成的伪趋势与小区域总体指标的真实趋势分离？
- 方法与思路
- 作者提出估计调查误差自相关的简便方法，将总体指标模型与调查误差模型组成状态空间模型，并以澳大利亚劳动力调查演示。
- 材料陈述的贡献
- 摘要称，可利用估计的误差自相关构造状态空间模型，分离调查误差与总体指标的趋势，并给出澳大利亚劳动力调查示例。
- 阅读关注点
- 重点核对抽样设计如何决定误差相关结构、自相关估计所需的信息，以及状态空间模型中总体趋势与调查误差能否区分。
- 阅读边界
- 摘要未说明自相关估计的统计性质、样本规模及趋势估计的数值改善，也未交代误差模型错设时的表现。
原文摘要
This article describes a simple method of estimating the autocorrelations of survey errors for the case of routing-panel sampling designs. Such designs are in routine use, for example, in labor force surveys (LFS). The survey-error autocorrelations induce spurious trends that need to be separated from the trend of the population values when the latter is of interest. This can be achieved by use of simple state-space models that combine the model holding for the population values with the model implied for the survey errors by the estimated autocorrelations. The procedure is illustrated using data from the Australian LFS.