面向含误差变量问题的数据融合方法 Fuse-EIV
Get the story
2026年10月7日，arXiv Statistics Machine Learning 发布一手论文，提出面向含误差变量（Errors-in-Variables）问题的数据融合方法 Fuse-EIV。该方法针对目标研究仅含单一有误差代理变量、外部研究来自不同总体且提供重复测量的场景。作者引入条件可迁移性假设，在源总体与目标总体存在异质性时识别目标条件测量误差分布，并构建结合条件反卷积、灵活干扰估计与正交校正的估计量。模拟结果显示，Fuse-EIV 对主要暴露相关系数的偏差较小；NHANES 应用表明，考虑总体异质性与误差异方差会改变实证结论。目前报道仅涉及该论文的方法与初步验证结果，未见后续独立验证或争议。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Statistics Machine Learning面向含误差变量问题的数据融合方法 Fuse-EIV
论文提出数据融合方法 Fuse-EIV，用于目标研究仅含单一有误差代理变量、外部研究来自不同总体且提供重复测量的含误差变量问题。作者引入条件可迁移性假设，在源总体与目标总体存在异质性时识别目标条件测量误差分布，并构建结合条件反卷积、灵活干扰估计与正交校正的估计量。模拟显示 Fuse-EIV 对主要暴露相关系数偏差较小，NHANES 应用表明考虑总体异质性与误差异方差会改变实证结论。
Heat trend
Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.