识别假设在总体规模估计中的核心作用

基于在多个数据源中观测到的一部分个体来估计总体规模的问题，通常被称为捕获-再捕获或多重系统估计。这本质上是一个缺失数据问题，其中未观测到的个体数量代表缺失数据。与任何缺失数据问题一样，多重系统估计要求用户做出不可检验的识别假设，以便从观测数据估计总体规模。如果无法为某数据集找到合适的识别假设，则不应基于该数据集给出总体规模估计，因为具有不同识别假设的模型即使观测数据拟合完全相同，也可能产生任意不同的总体规模估计。多重系统估计的方法通常未明确指定识别假设。这使得难以将观测数据的模型设定与识别假设解耦，也难以为识别假设提供理由。我们提出对多重系统估计问题的重新框架，由此得到一种将观测数据模型设定与识别假设解耦的方法，并讨论常见模型如何纳入此框架。该方法利用现有软件并促进各类敏感性分析。我们在估计科索沃战争中平民伤亡人数的案例研究中展示了我们的方法。用于生成本稿件的代码可在 https://github.com/aleshing/central-role-of-identifying-assumptions 获取。