Auxiliary-Enhanced Survey Calibration: A Novel Framework for Reject Inference under Sample Selection Bias
Cet article propose un nouveau cadre de calibration par enquête amélioré par des variables auxiliaires pour l'inférence de rejet qui évite la dégradation des performances des méthodes d'imputation traditionnelles en repondérant les candidats acceptés pour correspondre aux totaux de la population, prouvant ainsi être consistant et asymptotiquement normal tout en améliorant significativement la calibration du risque de la population et en maintenant le pouvoir de discrimination sous spécification incorrecte du modèle.