用于估计总体规模的双重稳健捕获—再捕获方法

使用不完整名单（也称捕获—再捕获问题）估计总体规模在诸多生物和社会科学中有着悠久历史。例如，人权及其他组织经常构建武装冲突受害者的部分且重叠的名单，希望利用这些信息估计受害者总数。早期针对此设置的统计方法要么使用潜在限制性的参数假设，要么依赖通常次优的插件式非参数估计量；然而，两种方法都可能导致显著偏差，前者因模型误设，后者因平滑。在给定测得协变量信息下两个名单条件独立的识别假设下，我们做出若干贡献。首先，我们推导出估计捕获概率的非参数效率界，其指示了任何估计量的最佳可能表现，并阐明捕获—再捕获方法的统计极限。接着我们提出一个新估计量，并研究其有限样本性质，表明其具有捕获—再捕获领域全新的双重稳健性，且在相对温和的非参数条件下是非渐近意义下近最优的。接下来，我们给出一种由通用捕获概率估计量构造总体规模置信区间的方法，并证明非渐近近有效性。最后，我们在模拟中研究我们的方法，并将其应用于估计1980至2000年秘鲁内部武装冲突期间不同团体造成的杀戮和失踪人数。