Jackknife Variance Estimation under Imputation for Estimators Using Poststratification Information
Notice bibliographique
Résumé
Poststratified estimators are commonly used in sample surveys to improve the efficiency of estimators and to ensure calibration to known poststrata counts. Similarly, generalized regression estimators are used to handle two or more poststratifiers with known marginal counts. In addition, weighting adjustment within weighting classes is used to handle unit nonresponse, and imputation within imputation classes is used to handle item nonresponse. For the full response case, asymptotic consistency of the jackknife variance estimator under stratified multistage sampling is established using mild regularity conditions on “residuals” similar to those of Scott and Wu for ratio and regression estimation under simple random sampling. A jackknife linearization variance estimator, obtained by linearizing the jackknife variance estimator, is also given. For unit nonresponse, the general case of poststrata cutting across weighting classes is considered, and a jackknife variance estimator and the corresponding jackknife linearization variance estimator are obtained. For item nonresponse, weighted mean imputation and weighted hot deck stochastic imputation within imputation classes are studied. Jackknife variance estimators, based on “adjusted” imputed values, are proposed, and the corresponding jackknife linearization variance estimators are obtained. Asymptotic consistency of the jackknife variance estimator is established for both the unit and item nonresponse cases under mild conditions on “residuals,” assuming uniform response within classes. Simulation results for the poststratified estimator under weighted mean imputation and weighted hot deck stochastic imputation are presented.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,049 | 0,184 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».