Parametric and Semiparametric Models for Recapture and Removal Studies: A Likelihood Approach
再捕获与移除研究的参数和半参数模型：似然方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究捕获—再捕获和重复事件过程的总体规模估计，没有所列计量细分方向的直接证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
再捕获与移除研究的参数和半参数模型：似然方法
- 研究问题
- 如何把捕获—再捕获中的偏倚抽样表示为重复事件过程，并在再捕获及移除研究中联合估计模型参数和总体规模？
- 方法与思路
- 作者采用 Andersen–Gill 强度模型，使强度依赖时间、协变量和参数，再推导模型参数与总体规模的最大似然估计。
- 材料陈述的贡献
- 摘要称，估计量一致、渐近正态且渐近有效；相对既有估计量的理论效率可达无穷，并提供方差估计和数值例子。
- 阅读关注点
- 应核对观测机制、总体规模如何进入似然，以及一致性、效率比较和相对效率达无穷分别需要哪些条件。
- 阅读边界
- 仅据 Crossref 摘要，无法确定理论效率比较的具体情形；参数与半参数模型的区别及实际样本表现也未说明。
原文摘要
Summary Capture–recapture processes are biased samplings of recurrent event processes, which can be modelled by the Andersen–Gill intensity model. The intensity function is assumed to be a function of time, covariates and a parameter. We derive the maximum likelihood estimators of both the parameter and the population size and show the consistency and asymptotic normality of the estimators for both recapture and removal studies. The estimators are asymptotically efficient and their theoretical asymptotic relative efficiencies with respect to the existing estimators of Yip and co-workers can be as large as ∞. The variance estimation and a numerical example are also presented.