ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Dual system estimation is a statistical tool used to estimate the hidden population where each of the two sources covers part of the population. In estimation, the widely used Lincoln-Petersen and Chapman estimators are used under the assumption of two-source independence. However, this situation is often unrealistic, and the traditional estimators might have a large bias, especially if the two sources experience a large dependence. To improve the methodology, covariate information is used for stratification. We formulate the strata-adjusted Chapman estimator for estimating the population size. Furthermore, the log-linear modeling approach is adopted to cope with covariate information. Two semi-parametric (imputed) bootstrap methods using the log-linear model with and without incorporating the model selection procedure are proposed to quantify the uncertainty surrounding the estimates of the unknown population size. Across all designs, methods that exploit covariate information-either via stratification or within the log-linear modeling framework-consistently reduce bias and mean squared error relative to unadjusted estimators that ignore heterogeneity. For interval estimation, the imputed bootstrap that incorporates model selection in each replicate achieves coverage close to the nominal level across heterogeneous and sparse regimes, typically outperforming both the fixed-model bootstrap and normal-theory intervals for the strata-adjusted Chapman. We illustrate these approaches in an application to estimate the hidden number of suicides in Cambodia and heroin users in Thailand.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 74/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Census and Population Estimation · HIV, Drug Use, Sexual Risk · Survey Sampling and Estimation Techniques
บทบาทของนักวิจัยและสถาบันไทย
Patarawan Sangnawakij · Rattana Lerdsuwansri · Parawan Pijitrattana · Thammasat University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง