Multiple Systems Estimation for Sparse Capture Data: Inferential Challenges When There Are Nonoverlapping Lists
稀疏捕获数据的多系统估计：名单不重叠时的推断挑战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：摘要聚焦捕获名单与人口规模估计，未明确对应给定的因果、面板或其他细分方向。
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…
稀疏捕获数据的多系统估计：名单不重叠时的推断挑战
- 研究问题
- 利用多个记录名单估计难以接触的人口规模时，如何处理名单间交集稀少或完全缺失造成的拟合与推断困难？
- 方法与思路
- 作者采用 Poisson 对数线性回归，研究稀疏性处理及最大似然估计的存在和可辨识性，并结合逐步选择与 bootstrap。
- 材料陈述的贡献
- 摘要称，方法为总人口规模构造置信区间，在两个美国人口贩运数据集中产生稳定合理的估计，并提供公开 R 实现。
- 阅读关注点
- 应核对空交集在模型中的处理、似然存在与可辨识的区别、逐步选择准则，以及 bootstrap 如何处理模型选择。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；名单依赖设定、可辨识条件和区间覆盖未说明，稳定估计不等于真实规模已获验证。
原文摘要
Multiple systems estimation strategies have recently been applied to quantify hard-to-reach populations, particularly when estimating the number of victims of human trafficking and modern slavery. In such contexts, it is not uncommon to see sparse or even no overlap between some of the lists on which the estimates are based. These create difficulties in model fitting and selection, and we develop inference procedures to address these challenges. The approach is based on Poisson log-linear regression modeling. Issues investigated in detail include taking proper account of data sparsity in the estimation procedure, as well as the existence and identifiability of maximum likelihood estimates. A stepwise method for choosing the most suitable parameters is developed, together with a bootstrap approach to finding confidence intervals for the total population size. We apply the strategy to two empirical datasets of trafficking in US regions, and find that the approach results in stable, reasonable estimates. An accompanying R software implementation has been made publicly available. Supplementary materials for this article are available online.