Estimating Heterogeneity in the Probabilities of Enumeration for Dual-System Estimation
双系统估计中人口登记概率异质性的估计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：摘要研究人口普查覆盖与双系统估计，未提供所列因果、面板或其他细分方向的明确依据。
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…
双系统估计中人口登记概率异质性的估计
- 研究问题
- 如何估计人口普查登记概率的个体异质性，以支持人口规模及相关偏差估计，并处理两次捕获间迁移和数据错误？
- 方法与思路
- 作者使用条件逻辑回归建模登记概率，允许连续解释变量并采用广义线性模型的选模方法，应用于美国1990年普查后调查。
- 材料陈述的贡献
- 摘要称该方法突破传统分层对解释变量使用的限制，讨论迁移和数据错误问题，并刻画难登记人群、给出初步相关偏差估计。
- 阅读关注点
- 应核对双系统数据如何构造条件似然、登记概率怎样用于人口总量估计，以及迁移、记录错误和模型选择的处理。
- 阅读边界
- 仅据版本未注明的索引摘要；模型识别条件、迁移处理细节和偏差数值未提供，相关偏差估计被明确描述为初步结果。
原文摘要
We show how conditional logistic regression can be used to estimate the probability of being enumerated in a census and apply the model to the 1990 Post-Enumeration Survey (PES) in the United States. The estimates can be used in the estimation of population size and the estimation of correlation bias, for example. Unlike the classical stratification approach, the logistic approach permits the use of continuous explanatory variables. Model choice can be based on the standard techniques of the generalized linear models. We discuss some special problems caused by the fact that the PES sample area is open to migration between the captures. We also consider the effect of data errors in estimation. We characterize hard-to-enumerate populations and give some tentative estimates of correlation bias.