论二部关联图抽样中的容许性
On Admissibility in Bipartite Incidence Graph Sampling
AI总结：
本文研究二部关联图抽样中估计量的容许性，在研究单元可经多条抽样路径观测的一般框架下，证明除 Horvitz–Thompson 估计量外还存在其他容许估计量，并涵盖有限总体抽样结论。
摘要：
在二部关联图抽样中，目标研究单元可由相互连接的总体元素构成，这些元素不同于抽样单元；通常，给定研究单元可能通过不止一种方式由抽样单元观测到。这推广了有限总体元素抽样或多阶段抽样，在后两者中，每个元素只能被直接抽取，或通过单个初级抽样单元抽取。我们研究二部关联图抽样中估计量的容许性，并识别出除经典 Horvitz–Thompson 估计量之外的其他容许估计量。我们的容许性结果涵盖了有限总体抽样的相应结果。
英文摘要：
In bipartite incidence graph sampling, the target study units may be formed as connected population elements, which are distinct to the units of sampling and there may exist generally more than one way by which a given study unit can be observed via sampling units. This generalizes finite-population element or multistage sampling, where each element can only be sampled directly or via a single primary sampling unit. We study the admissibility of estimators in bipartite incidence graph sampling and identify other admissible estimators than the classic Horvitz-Thompson estimator. Our admissibility results encompass those for finite-population sampling.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
