[论文解读] Smooth Post-Stratification for Multiple Capture-Recapture

Zachary Kurtz|arXiv (Cornell University)|Feb 4, 2013

Census and Population Estimation被引用 1

一句话总结

本文提出一种平滑后分层方法，通过为每个观测单位量身定制局部对数线性模型，并结合平滑处理以确保估计稳定性。当捕获概率在协变量间存在差异时，该方法在模拟中优于标准方法，能提升总体大小估计和缺失率预测，且在繁殖鸟类调查数据中表现出有效性。

ABSTRACT

Log-linear models are often used to estimate the size of a closed population using capture-recapture data. When capture probabilities are related to auxiliary covariates, one may select a separate model based on each of several post-strata. We extend post-stratification to its logical extreme by selecting a local log-linear model for each observed unit, while smoothing to achieve stability. Our local models serve a dual purpose: In addition to estimating the size of the population, we estimate the rate of missingness as a function of covariates. A simulation demonstrates the superiority of our method when the generating model varies over the covariate space. Data from the Breeding Bird Survey is used to illustrate the method.

研究动机与目标

• 解决标准后分层方法在处理协变量间捕获概率异质性方面的局限性。
• 通过为每个单位自适应建模并确保稳定性，改进捕获-再捕获研究中的总体大小估计。
• 将缺失率作为协变量的函数进行估计，从而在异质性人群中实现更优推断。
• 开发一种结合局部建模与平滑处理的方法，以在灵活性与精度之间取得平衡。

提出的方法

• 根据每个观测单位的协变量特征，为其分配一个独立的局部对数线性模型。
• 在这些局部模型之间应用平滑处理，以稳定估计并降低方差。
• 采用基于核或类似技术的平滑方法，从协变量空间中相似单位间借用信息。
• 通过聚合平滑后的局部模型预测结果来估计总体大小。
• 通过建模非检测概率，同时估计缺失率作为协变量的函数。
• 通过平衡偏差与方差来选择模型与平滑带宽，确保方法的稳健性。

实验结果

研究问题

• RQ1 如何将后分层方法扩展为允许单位特异性建模，同时保持估计稳定性？
• RQ2 在捕获概率随协变量变化的情况下，局部建模结合平滑是否能提升总体大小估计？
• RQ3 与标准对数线性模型相比，该方法在异质性环境中能多大程度上提高估计准确性？
• RQ4 该方法能否同时估计总体大小与协变量依赖的缺失率？

主要发现

• 在真实生成模型随协变量空间变化的模拟中，所提方法优于标准后分层与全局对数线性模型。
• 对局部模型进行平滑处理显著提升了估计稳定性，同时未牺牲在异质性人群中的灵活性。
• 该方法成功将缺失率作为协变量的函数进行估计，提供了超越总体大小的额外洞察。
• 对繁殖鸟类调查数据的实证分析证实了该方法在真实捕获-再捕获场景中的实际效用与稳健性。