Forming post-strata via Bayesian treed capture-recapture models
利用贝叶斯树形捕获再捕获模型构造后分层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：摘要讨论捕获再捕获人口规模估计与后分层，未涉及所列因果、面板、分布效应或其他细分领域。
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
利用贝叶斯树形捕获再捕获模型构造后分层
- 研究问题
- 在双系统人口规模估计中，如何利用个体辅助信息处理捕获概率异质性，并系统构造适合人口估计的后分层？
- 方法与思路
- 作者提出贝叶斯树形捕获再捕获模型，以二叉树划分协变量空间，在各区域使用等捕获概率模型，并比较三种情景下的估计表现。
- 材料陈述的贡献
- 摘要称，该模型可为 Sekar–Deming 人口规模估计量系统形成后分层，并具有减少相关偏差、稳健性及可解释性等特点。
- 阅读关注点
- 应核对树划分与先验设定、区域内等捕获概率假设、相关偏差的定义，以及三种比较情景和替代估计量的具体设置。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明偏差降低的条件或比较数值，不能据此认定方法普遍优于替代方案。
原文摘要
For the problem of dual system estimation, we propose a Bayesian treed capture-recapture model to account for heterogeneity of capture probabilities where individual auxiliary information is available. The model uses a binary tree to partition the covariate space into ‘homogeneous’ regions, within each of which the capture response can be described adequately by a simple model that assumes equal catchability. The attractive features of the proposed model include reduction of correlation bias, robustness and practical flexibility as well as simplicity and interpretability. In addition, it provides a systematic and effective way of forming post-strata for the Sekar–Deming estimator of population size. We compare the performance of estimators based on this model to those of alternative estimators in three scenarios.