Data Fusion for Errors-in-Variables

新的数据融合方法解决了异构研究中的变量误差问题

研究人员开发了一种新颖的数据融合估计器，旨在解决变量误差问题，特别是在处理异构人群和研究之间不同的测量误差分布时。该方法名为Fuse-EIV，利用条件可运输性假设来整合外部重复测量，即使在源目标异构的情况下也能估计目标函数。该估计器的理论框架涵盖了扩散谱和有限原子谱目标函数，提供了一致性和收敛速率界限。模拟表明Fuse-EIV的偏差较低，并且在美国国家健康与营养检查调查中的应用突出了考虑人群异质性和误差异方差性如何改变实证结果。