期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
A Model-calibration Approach to Using Complete Auxiliary Information from Stratified Sampling Survey Data
1
作者
WU Chang-chun
zhang run-chu
《Chinese Quarterly Journal of Mathematics》
CSCD
北大核心
2006年第2期309-316,共8页
在成层的调查采样,有时,我们有完全的辅助信息。基本问题之一是怎么有效地在评价阶段使用完全的辅助信息。在这份报纸,我们扩大模型刻度方法由从成层的采样调查数据使用完全的辅助信息获得有限人口平均数的评估者。我们证明产生评估...
在成层的调查采样,有时,我们有完全的辅助信息。基本问题之一是怎么有效地在评价阶段使用完全的辅助信息。在这份报纸,我们扩大模型刻度方法由从成层的采样调查数据使用完全的辅助信息获得有限人口平均数的评估者。我们证明产生评估者有效地在评价阶段使用辅助信息并且拥有很多个吸引人的特征例如不管工作模型并且近似 asymptotically 设计不偏在模型下面模型不偏。当一个线性工作模型被使用时,产生评估者归结为平常的刻度评估者(或 GREG ) 。
展开更多
关键词
模型校准
假经验主义可能性
分层取样测量
完全辅助信息
估计方程
广义线性模型
超总体
下载PDF
职称材料
题名
A Model-calibration Approach to Using Complete Auxiliary Information from Stratified Sampling Survey Data
1
作者
WU Chang-chun
zhang run-chu
机构
School of Mathematics and Information Sciences
LPMC and School of Mathematical Sciences
出处
《Chinese Quarterly Journal of Mathematics》
CSCD
北大核心
2006年第2期309-316,共8页
基金
Supported by the National Natural Science Foundation of China(10571093)
文摘
在成层的调查采样,有时,我们有完全的辅助信息。基本问题之一是怎么有效地在评价阶段使用完全的辅助信息。在这份报纸,我们扩大模型刻度方法由从成层的采样调查数据使用完全的辅助信息获得有限人口平均数的评估者。我们证明产生评估者有效地在评价阶段使用辅助信息并且拥有很多个吸引人的特征例如不管工作模型并且近似 asymptotically 设计不偏在模型下面模型不偏。当一个线性工作模型被使用时,产生评估者归结为平常的刻度评估者(或 GREG ) 。
关键词
模型校准
假经验主义可能性
分层取样测量
完全辅助信息
估计方程
广义线性模型
超总体
Keywords
model-calibration
pseudo empirical likelihood
stratified sampling survey
complete auxiliary information
estimating equations
generalized linear models
superpopulation
分类号
O212.2 [理学—概率论与数理统计]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
A Model-calibration Approach to Using Complete Auxiliary Information from Stratified Sampling Survey Data
WU Chang-chun
zhang run-chu
《Chinese Quarterly Journal of Mathematics》
CSCD
北大核心
2006
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部