依赖型双系统记录中估计总体规模的新集成似然方法

在捕获-再捕获型实验中，从依赖型双记录系统（DRS）高效估计总体规模仍是一项统计挑战。由于适宜的时-行为响应变异模型（记为 $M_{tb}$）在 DRS 下不可辨识，基于信息先验的贝叶斯范式方法鲜有发展。本文的贡献在于基于 Severini（2007, Biometrika）提出的新方法，从模型 $M_{tb}$ 出发构建集成似然函数。在可获得行为依赖方向知识的假设下，推导了关于 nuisance 参数的合适权函数。该伪似然函数的构造使得所得估计量具备若干理想性质，包括不变性与可忽略的先验（或权重）敏感性。大量模拟表明，在大多数情形下，我们所提方法的性能优于现有贝叶斯方法。此外，作为非贝叶斯估计量，它简便地避免了繁重的计算开销与时间。最后，给出了基于流行病学与经济普查两类真实数据集的例证。