An efficient empirical likelihood approach for estimating equations with missing data
缺失数据估计方程的高效经验似然方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于缺失数据与经验似然通用理论，没有足够依据归入所列具体领域。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
缺失数据估计方程的高效经验似然方法
- 研究问题
- 存在缺失数据时，如何基于估计方程进行有效统计推断，并为目标参数构造具有可用渐近分布的似然比统计量？
- 方法与思路
- 作者提出半参数有效的经验似然方法，研究经验似然比及其剖面版本在真实参数处的渐近分布。
- 材料陈述的贡献
- 摘要称两类统计量渐近服从中心卡方分布，并用数值模拟与数据分析展示所提方法的理论性质和实际表现。
- 阅读关注点
- 核对缺失机制、估计方程与辅助信息设定，明确效率界的参照模型，以及卡方近似的自由度和所需正则条件。
- 阅读边界
- 仅据版本未注明的索引摘要，不能推断刊本变化；缺失机制、效率条件及卡方自由度未说明，不能认定适用于任意缺失情形。
原文摘要
We explore the use of estimating equations for efficient statistical inference in case of missing data. We propose a semiparametric efficient empirical likelihood approach, and show that the empirical likelihood ratio statistic and its profile counterpart asymptotically follow central chi-square distributions when evaluated at the true parameter. The theoretical properties and practical performance of our approach are demonstrated through numerical simulations and data analysis.