Nonparametric Variance Estimation Under Fine Stratification: An Alternative to Collapsed Strata
精细分层下的非参数方差估计：合并层方法的替代方案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：摘要核心是有限总体抽样设计与方差估计，消费调查仅为应用，不足以归入用户所列的领域细分。
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…
精细分层下的非参数方差估计：合并层方法的替代方案
- 研究问题
- 在每层仅抽取一个或少数单位的有限总体抽样中，如何估计方差，并减少传统合并层估计对人为组合的依赖？
- 方法与思路
- 作者用核加权的层邻域替代合并后的伪层，并利用相对拟合均值函数的偏差构造非参数方差估计量。
- 材料陈述的贡献
- 摘要称建立了核估计量的渐近性质，模拟中相较合并层方差估计表现更好，并用美国消费者支出调查说明应用。
- 阅读关注点
- 应核对抽样设计、层间邻域定义、核与带宽选择，以及均值函数拟合误差对方差估计性质的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；渐近条件、带宽规则和模拟范围未提供，不能确认所有精细分层设计中的优势或推断刊本变化。
原文摘要
Fine stratification is commonly used to control the distribution of a sample from a finite population and to improve the precision of resulting estimators. One-per-stratum designs represent the finest possible stratification and occur in practice, but designs with very low numbers of elements per stratum (say, two or three) are also common. The classical variance estimator in this context is the collapsed stratum estimator, which relies on creating larger “pseudo-strata” and computing the sum of the squared differences between estimated stratum totals across the pseudo-strata. We propose here a nonparametric alternative that replaces the pseudo-strata by kernel-weighted stratum neighborhoods and uses deviations from a fitted mean function to estimate the variance. We establish the asymptotic behavior of the kernel-based estimator and show its superior practical performance relative to the collapsed stratum variance estimator in a simulation study. An application to data from the U.S. Consumer Expenditure Survey illustrates the potential of the method in practice.