面向变量测量误差的数据融合

针对目标研究仅含单次易错测量的问题，研究提出面向变量测量误差的数据融合估计器 Fuse-EIV，通过条件可迁移性假设利用外部重复测量数据进行辨识。该方法结合条件反卷积、干扰参数估计与正交修正，建立了统一谱理论并推导出目标特定的收敛界。模拟实验显示 Fuse-EIV 的主要暴露相关系数偏差较小，并已成功应用于国家健康与营养调查数据。