Publication

Resamping variance estimation in surveys with missing data

Anthony Christopher Davison, Sylvain Sardy
2007
Journal Articles

Résumé

We discuss variance estimation by resampling in surveys in which data are missing. We derive a formula for jackknife linearization in the case of calibrated estimation with deterministic regression imputation, and compare the resulting variance estimates with balanced repeated replication with and without grouping, the bootstrap, the block jackknife, and multiple imputation, for simulated data based on the Swiss Household Budget Survey. Jackknife linearisation, the bootstrap, and multiple imputation perform best in terms of relative bias and mean square error.

Source officielle

https://infoscience.epfl.ch/entities/publication/284124f9-3e4d-469d-ae07-0958a62b38e5

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Resamping variance estimation in surveys with missing data

Chattez avec Graph Search

Spectral Estimators for High-Dimensional Matrix Inference

Intermediate complexity atmospheric modeling in complex terrain: is it right?

Partial discharge localization in power transformer tanks using machine learning methods