The Analysis of Two-Stage Sampling Data by Ordinary Least Squares
用普通最小二乘分析两阶段抽样数据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：两阶段调查抽样与簇内观测本身不构成面板模型，摘要未明确对应所列细分领域。
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
用普通最小二乘分析两阶段抽样数据
- 研究问题
- 对于等簇样本量的两阶段抽样数据，哪些模型可使 OLS 成为最佳线性无偏估计，并允许开展精确检验与区间推断？
- 方法与思路
- 作者通过设计矩阵与簇均值变量之间的关系刻画 OLS 最优性，再给出参数化条件，将计算归结为两次常规最小二乘拟合。
- 材料陈述的贡献
- 摘要称在所研究模型类中给出 OLS 为 BLUE 的充要条件，并提供多类参数函数的精确推断及嵌套模型检验结果。
- 阅读关注点
- 应核对等簇观测数限制、簇均值变量被模型包含的含义，以及精确推断除设计矩阵条件外还需要哪些分布假设。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；完整误差结构及分布条件未说明，不能将 OLS 最优性或精确推断结论直接用于不等簇样本量。
原文摘要
A reasonably broad class of models for analyzing two-stage samples is considered. For models in this class, ordinary least squares (OLS) estimates are best linear unbiased estimates (BLUE's) and a large variety of exact tests and confidence intervals are available. The necessary computations can be made simply by fitting two models in the ordinary fashion using least squares. The most stringent assumption made is that there are equal numbers of observations taken in each cluster. For such a sampling scheme, OLS estimates are BLUE's iff for each variable in the model, the variable obtained by replacing each component with the corresponding cluster average is also, either implicitly or explicitly, contained in the model. A quite general condition on the parameterization (actually the design matrix) of such models is given that, if satisfied, assures the existence of exact inferential procedures for a wide variety of parametric functions. For any model in which OLS estimates are BLUE's there exist parameterizations that satisfy the condition in question. Results are also given for the problem of testing a given model against a reduced model.