Identification of Expected Outcomes in a Data Error Mixing Model With Multiplicative Mean Independence
乘法均值独立性下数据误差混合模型中期望结果的识别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：摘要聚焦污染抽样中的均值识别与报告错误，未明确涉及因果效应、分布效应或其他所列细分方向，因此不强行分类。
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
乘法均值独立性下数据误差混合模型中期望结果的识别
- 研究问题
- 当观测结果混合了目标分布与其他分布、且混合过程可能依赖结果时，比例条件均值假设能在多大程度上识别目标均值？
- 方法与思路
- 作者放松结果与混合过程统计独立的假设，考察两类分布条件均值成比例的识别力，并讨论替代分布抽样全部错误的二元结果特例。
- 材料陈述的贡献
- 摘要称，论文分析比例条件均值限制对污染抽样中目标均值识别的作用，并以存在报告错误的非法药物使用说明其应用。
- 阅读关注点
- 阅读全文时应核对条件均值比例关系的精确定义、比例系数如何确定、均值是点识别还是部分识别，以及二元结果特例的限制。
- 阅读边界
- 摘要未说明比例系数是否已知、识别结论成立的完整条件及应用数据细节；仅凭摘要不能判断报告错误假设的可信度。
原文摘要
We consider the problem of identifying a mean outcome in corrupt sampling where the observed outcome is drawn from a mixture of the distribution of interest and another distribution. Relaxing the contaminated sampling assumption that the outcome is statistically independent of the mixing process, we assess the identifying power of an assumption that the conditional means of the distributions differ by a factor of proportionality. For binary outcomes, we consider the special case that all draws from the alternative distribution are erroneous. We illustrate how these models can inform researchers about illicit drug use in the presence of reporting errors.