Testing Missing at Random Using Instrumental Variables
利用工具变量检验随机缺失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：摘要聚焦缺失机制与工具变量检验，未明确涉及所列细分领域的核心模型或因果识别目标，因此暂不分类。
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
利用工具变量检验随机缺失
- 研究问题
- 在缺失资料分析中，能否借助满足特定独立性条件的工具变量检验随机缺失假设，并将检验用于劳动收入问卷的未应答机制？
- 方法与思路
- 作者使用给定潜在结果后与应答状态独立的工具变量，提出基于积分平方距离的非参数检验，并通过模拟和劳动收入应用展示方法。
- 材料陈述的贡献
- 摘要称，在所述工具变量条件下，随机缺失假设具有可检验性；作者推导检验统计量的零假设渐近分布，方法也可用于完全随机缺失检验。
- 阅读关注点
- 核对条件独立性如何转化为可检验限制、积分平方距离统计量的构造与临界值计算，以及劳动收入应用中工具变量选择的依据。
- 阅读边界
- 摘要未说明工具变量的具体构造、相关条件如何论证及模拟数值；仅凭摘要无法判断检验功效和劳动收入应用的实际适用性。
原文摘要
This article proposes a test for missing at random (MAR). The MAR assumption is shown to be testable given instrumental variables which are independent of response given potential outcomes. A nonparametric testing procedure based on integrated squared distance is proposed. The statistic’s asymptotic distribution under the MAR hypothesis is derived. In particular, our results can be applied to testing missing completely at random (MCAR). A Monte Carlo study examines finite sample performance of our test statistic. An empirical illustration analyzes the nonresponse mechanism in labor income questions.