Missing at random, likelihood ignorability and model completeness
随机缺失、似然可忽略性与模型完备性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：摘要研究一般缺失数据理论，没有明确涉及因果识别、面板或其他所列专门方向。
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
随机缺失、似然可忽略性与模型完备性
- 研究问题
- 在不完整数据分析中，随机缺失与忽略缺失机制后的有效频率学派似然推断何时等价，响应模型的完备性有何作用？
- 方法与思路
- 作者采用选择模型，将响应模型与缺失机制模型设为参数可分离的两部分，并在完备密度族下分析随机缺失与可忽略性的关系。
- 材料陈述的贡献
- 摘要称在所述框架下，随机缺失是忽略缺失机制进行有效推断的充要条件；结论扩展至粗化数据，并以例子说明完备性的重要性。
- 阅读关注点
- 应核对完备性、参数可分离和有效推断的精确定义，以及充要性证明、非完备模型反例和删失等粗化情形的适用范围。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；未核对全文或版本差异。不能将所述等价关系推广至任意响应模型或缺失机制。
原文摘要
This paper provides further insight into the key concept of missing at random (MAR) in incomplete data analysis. Following the usual selection modelling approach we envisage two models with separable parameters: a model for the response of interest and a model for the missing data mechanism (MDM). If the response model is given by a complete density family, then frequentist inference from the likelihood function ignoring the MDM is valid if and only if the MDM is MAR. This necessary and sufficient condition also holds more generally for models for coarse data, such as censoring. Examples are given to show the necessity of the completeness of the underlying model for this equivalence to hold.