捕获再捕获数据下总体大小的半参数完全似然推断
发布时间：2021-07-30 04:56
在生态学、人口统计学、软件工程、公共健康和流行病学等领域,总体的大小是一个非常重要的量.为了估计总体大小,捕获再捕获方法是一种被广泛使用且效费比较高的抽样方法.文献中已有的估计方法大都基于条件似然和逆加权估计方程,构造的逆概率加权估计量（Horvitz-Thompson型估计量）可能由于某些权重较小而不太稳定.而且,相应的Wald型置信区间的覆盖概率可能严重低于名义置信水平,置信下限可能会低于观测到的样本量.这些不足促使我们开发表现性能更好的估计方法.考虑到完全似然通常具有较好的性质,本文结合条件似然和经验似然开发了一系列用于估计总体大小的半参数完全似然推断方法.与传统的估计方法相比,该方法的估计效果有明显提高.捕获再捕获数据大致分为两类:连续时间捕获再捕获数据和离散时间捕获再捕获数据.针对连续时间捕获再捕获数据,我们利用Andersen-Gill强度模型建立捕获强度和个体协变量的关系,并综合考虑固定效应模型和混合效应模型.利用经验似然对协变量的分布进行处理,我们针对连续时间捕获再捕获数据建立了关于总体大小的基于经验似然的半参数完全似然推断理论,不仅证明了总体大小的最大经验似然估计量的...
【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：139 页
【学位级别】：博士
【部分图文】：
图２－１固定效应模型下和的散点图，左图和右图分别对应情形Ａ和Ｂ．??
４?－２?０?２??Ｑｕａｎｔｉｌｅｓ?ｏｆ?Ｒｐ（Ｎ〇）?Ｑｕａｎｔｉｌｅｓ?ｏｆ?（Ｎｐ－Ｎ０）／（Ｎｐ＾ｐ）???１?寸—ｉ???ｍ?＿?＋．?＋??，?Ｉ??／?ｉ?／??°?，?？?寸?＿二?，?／?■?■??＼?Ｉ?Ｉ?ｒ?ｉ?￣ｌ?ｌ?ｌ?ｌ?ｌ??０?５?１０?１５?－８?－６?－４?－２?０??Ｑｕａｎｔｉｌｅｓ?ｏｆ?Ｒｐ（Ｎ〇）?Ｑｕａｎｔｉｌｅｓ?ｏｆ?〇７ｐ－Ｎ〇）／（Ｎ＇Ｊ＾Ｃｐ）??图２－２固定效庳模型下％（凡）：关于Ｘ？的ＱＱ图（第１列）和（及ｐ?—场）／（及ｐ１／２４）关宁Ｎ（０，１）??的ＱＱ图（第２列），第１、２行分别对应情形Ａ和Ｂ．??Ｔｈｏｍｐｓｏｎ型估计量及更有效，相比于参数强度模型，这一现象在半参数强度模型的假??设下尤为明显．??区间估计的比较在９０％，?９５％和９９％的置信水平下，表２－４列出了经验似然比置信??Ｅ间石和Ｗａｌｄ型置信区间１２的覆盏率．同样地，这里不仅考虑了双侧区间的覆盖率，??还考虑了弟侧区间的覆蛊率．整体而官，引入随机效应会使得区间估计的覆盖率有些波??动，这在半参数模型的假设下尤为明显＊随着ｆ的增大，脆弱囡子的方差越来越大，不可??观测的异质性对捕获强度的影响也越来越大，两类区间估计的覆篇率与名义置儒水平的??偏差也越来越大．这可能是因为＿?ｅ从１／３０增大至２，捕获概率从８６．７％减小到５６．１％５这??使得收集的数据变得稀疏，样本中包含总体的信息逐渐减少导致的．??在最差的情况下，Ｗａｌｄ型双侧置信区间的覆盖率比名义置信水平低６％，单侧置ｆ售??－３０－??
ｌｅｓ?ｏｆ?Ｒｐ（Ｎ〇）?Ｑｕａｎｔｉｌｅｓ?ｏｆ?（Ｎｐ－Ｎ〇）／（Ｎｐ＾ｐ）??＋?＋??＋??ｑ?—?／??〇?ｍ?－?，?＊．＾ｐ?ｚ?ｙ??ｓ?ｙ?３。－?Ｚ??。：：Ｚ?ｇ；：Ｚ??〇?－?ｙ??１?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ￣￣??０?２?４?６?８?１０?－３?－２?－１?０?１?２??Ｑｕａｎｔｉｌｅｓ?ｏｆ?Ｒｐ（Ｎ〇）?Ｑｕａｎｔｉｌｅｓ?ｏｆ?（Ｎｐ－Ｎ〇）／（Ｎ＇Ｊ＾Ｃｐ）??图２－３混合效应模型下ｉ＾（ｉＶ〇）关宁０的ＱＱ图（第１列）和（＾?－?关于Ｎ（０，１）??的ＱＱ圈（第２：列）５篇１、２行分别．命處ｅ?＝?１和０．１．??综上所述，相比子Ｈ〇ｒｖｉｔ＿ｚ－Ｔｈｏｎｉｐ＿ｓｏｎ型ｆ古计量及，本擧所提出．的最大经验似然估??计董及具有较小的均方误氧且后者的偏差更小．与Ｗａｌｄ型置猶Ｋ间Ｔ２相比，本章??所提出的经验似然比置信区间：具有较准确的覆盖率，因而更加可信．当捕获概率低??至４９．０％左右时，Ｗａｌｄ型双侧璧翁区间和置儀下限的可信度会低子？顸期，置信上限则过??子保守．相对于Ｗａｌｄ型置信区间石而自；不可观测的异质性对经验似然比置信区：间??石覆裔率的影响较小．尽管我们只在固定效应模型的假设下证明了所提统计纛的渐近性??质，但是ＱＱ图表明在混合效应模型下，将ｇ作为经验似然比统计量兄（ｉＶ〇）的近似分布??仍然是比较合龜的，??－３２－??
【参考文献】：
期刊论文
[1]Population Size Estimation with Covariate Values Missing Non-ignorable[J]. Li-ping LIU,Zhi-chao GUO,Xiao-gang DUAN. Acta Mathematicae Applicatae Sinica. 2016(03)
本文编号：3310740
【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：139 页
【学位级别】：博士
【部分图文】：
图２－１固定效应模型下和的散点图，左图和右图分别对应情形Ａ和Ｂ．??
４?－２?０?２??Ｑｕａｎｔｉｌｅｓ?ｏｆ?Ｒｐ（Ｎ〇）?Ｑｕａｎｔｉｌｅｓ?ｏｆ?（Ｎｐ－Ｎ０）／（Ｎｐ＾ｐ）???１?寸—ｉ???ｍ?＿?＋．?＋??，?Ｉ??／?ｉ?／??°?，?？?寸?＿二?，?／?■?■??＼?Ｉ?Ｉ?ｒ?ｉ?￣ｌ?ｌ?ｌ?ｌ?ｌ??０?５?１０?１５?－８?－６?－４?－２?０??Ｑｕａｎｔｉｌｅｓ?ｏｆ?Ｒｐ（Ｎ〇）?Ｑｕａｎｔｉｌｅｓ?ｏｆ?〇７ｐ－Ｎ〇）／（Ｎ＇Ｊ＾Ｃｐ）??图２－２固定效庳模型下％（凡）：关于Ｘ？的ＱＱ图（第１列）和（及ｐ?—场）／（及ｐ１／２４）关宁Ｎ（０，１）??的ＱＱ图（第２列），第１、２行分别对应情形Ａ和Ｂ．??Ｔｈｏｍｐｓｏｎ型估计量及更有效，相比于参数强度模型，这一现象在半参数强度模型的假??设下尤为明显．??区间估计的比较在９０％，?９５％和９９％的置信水平下，表２－４列出了经验似然比置信??Ｅ间石和Ｗａｌｄ型置信区间１２的覆盏率．同样地，这里不仅考虑了双侧区间的覆盖率，??还考虑了弟侧区间的覆蛊率．整体而官，引入随机效应会使得区间估计的覆盖率有些波??动，这在半参数模型的假设下尤为明显＊随着ｆ的增大，脆弱囡子的方差越来越大，不可??观测的异质性对捕获强度的影响也越来越大，两类区间估计的覆篇率与名义置儒水平的??偏差也越来越大．这可能是因为＿?ｅ从１／３０增大至２，捕获概率从８６．７％减小到５６．１％５这??使得收集的数据变得稀疏，样本中包含总体的信息逐渐减少导致的．??在最差的情况下，Ｗａｌｄ型双侧置信区间的覆盖率比名义置信水平低６％，单侧置ｆ售??－３０－??
ｌｅｓ?ｏｆ?Ｒｐ（Ｎ〇）?Ｑｕａｎｔｉｌｅｓ?ｏｆ?（Ｎｐ－Ｎ〇）／（Ｎｐ＾ｐ）??＋?＋??＋??ｑ?—?／??〇?ｍ?－?，?＊．＾ｐ?ｚ?ｙ??ｓ?ｙ?３。－?Ｚ??。：：Ｚ?ｇ；：Ｚ??〇?－?ｙ??１?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ￣￣??０?２?４?６?８?１０?－３?－２?－１?０?１?２??Ｑｕａｎｔｉｌｅｓ?ｏｆ?Ｒｐ（Ｎ〇）?Ｑｕａｎｔｉｌｅｓ?ｏｆ?（Ｎｐ－Ｎ〇）／（Ｎ＇Ｊ＾Ｃｐ）??图２－３混合效应模型下ｉ＾（ｉＶ〇）关宁０的ＱＱ图（第１列）和（＾?－?关于Ｎ（０，１）??的ＱＱ圈（第２：列）５篇１、２行分别．命處ｅ?＝?１和０．１．??综上所述，相比子Ｈ〇ｒｖｉｔ＿ｚ－Ｔｈｏｎｉｐ＿ｓｏｎ型ｆ古计量及，本擧所提出．的最大经验似然估??计董及具有较小的均方误氧且后者的偏差更小．与Ｗａｌｄ型置猶Ｋ间Ｔ２相比，本章??所提出的经验似然比置信区间：具有较准确的覆盖率，因而更加可信．当捕获概率低??至４９．０％左右时，Ｗａｌｄ型双侧璧翁区间和置儀下限的可信度会低子？顸期，置信上限则过??子保守．相对于Ｗａｌｄ型置信区间石而自；不可观测的异质性对经验似然比置信区：间??石覆裔率的影响较小．尽管我们只在固定效应模型的假设下证明了所提统计纛的渐近性??质，但是ＱＱ图表明在混合效应模型下，将ｇ作为经验似然比统计量兄（ｉＶ〇）的近似分布??仍然是比较合龜的，??－３２－??
【参考文献】：
期刊论文
[1]Population Size Estimation with Covariate Values Missing Non-ignorable[J]. Li-ping LIU,Zhi-chao GUO,Xiao-gang DUAN. Acta Mathematicae Applicatae Sinica. 2016(03)
本文编号：3310740
本文链接：https://www.wllwen.com/shoufeilunwen/sklbs/3310740.html
