📖 AI 总结

本文研究变量含误差（errors-in-variables）问题：目标研究仅含未观测暴露的单一易错替代变量，而外部来源研究提供了来自不同总体的重复替代测量。作者允许测量误差分布依赖于已观测的无误差变量，且无误差变量分布本身可在研究间存在差异，并提出条件可迁移性假设，使外部重复测量能在源—目标异质性下被利用，结合额外的重复误差条件识别出目标的条​​件测量误差分布。基于该识别结果，作者构建了适用于广泛目标泛函的数据融合估计量，融合条件反卷积、灵活冗余参数估计与正交校正以降低一阶敏感性。理论上给出统一谱理论，覆盖扩散谱与有限原子谱两类目标泛函，建立渐近展开、相合性及依赖于测量误差、潜在暴露与目标泛函谱性质的收敛速率界；对有限原子谱目标进一步建立联合高斯与自助极限。模拟显示Fuse-EIV在主要暴露相关系数上偏差较小，应用于美国国家健康与营养调查表明，考虑总体异质性与误差异方差性可能改变实证结论。

🔑 关键词速览