缺失随机协变量下的捕获-再捕获数据的最大似然丰度估计
数值分析
2025-07-22 v1 数值分析
摘要
在捕获-再捕获实验中，个体协变量可能因被捕获次数较少而遗漏。当协变量信息按随机方式缺失时，逆概率加权方法和多重插补方法被广泛用于获取丰度的点估计。这些点估计然后用于构建针对丰度的Wald型置信区间。然而，这些置信区间可能具有严重不准确的覆盖概率，其下限甚至可能小于任何捕获过的个体数量。在本文中，我们提出一种用于处理缺失协变量下丰度的最大经验似然估计方法。我们证明，最大经验似然估计量渐近正态，经验似然比 statistic for丰度具有卡方 limiting 分布，自由度为1。模拟结果表明，所提出的估计量的均方误差小于现有估计量，所提出的经验似然比置信区间通常比现有Wald型置信区间具有更准确的覆盖概率。我们通过分析香港收集的黄胸琴鸟种数据来说明所提出的方法。
引用
@article{arxiv.2507.14488,
title = {Entropy Stable Nodal Discontinuous Galerkin Methods via Quadratic Knapsack Limiting},
author = {Brian Christner and Jesse Chan},
journal= {arXiv preprint arXiv:2507.14488},
year = {2025}
}