研究人员开发了一个新的框架，使用深度神经网络（DNNs）来结合概率和非概率调查样本，以实现更稳健的估计。该方法将非概率样本的抽样得分建模为一个未知的函数，通过最大化整合来自概率和非概率来源数据的伪似然来估计。该方法旨在提高对选择机制误设的稳健性，尤其是在选择机制是非线性时，并通过模拟研究和真实世界数据进行了评估。 AI
影响 这项研究引入了一种新颖的深度学习方法，以提高从组合调查数据源得出的统计估计的准确性和稳健性。
排序理由 该集群包含一篇详细介绍新统计方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.28762v1 Announce Type: cross Abstract: Integrating probability and nonprobability survey samples is an important problem in modern survey sampling. Nonprobability samples often contain rich outcome information but may lack population representativeness, whereas probabi…
Integrating probability and nonprobability survey samples is an important problem in modern survey sampling. Nonprobability samples often contain rich outcome information but may lack population representativeness, whereas probability samples provide design-based auxiliary inform…