Log-Linear Models for Survey Data with Non-Ignorable Non-Response
含不可忽略无应答的调查数据对数线性模型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：分类调查与无应答建模不直接等同于离散选择或因果推断，摘要不足以支持所列细分分类。
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
含不可忽略无应答的调查数据对数线性模型
- 研究问题
- 面对分类调查数据中非嵌套的不可忽略无应答模式，如何构造可计算模型，并评估无应答设定对推断的影响？
- 方法与思路
- 作者分开建模分类单元概率与无应答概率，允许多类协变量进入无应答模型，并推导观测数据的得分和信息函数。
- 材料陈述的贡献
- 摘要称给出可拟合的模型及标准误、检验统计量所需表达式；示例显示不同不可忽略无应答模型可能产生明显不同推断。
- 阅读关注点
- 核对模型识别与可估计性的条件、协变量进入方式，以及示例如何比较不同无应答设定下的结果敏感性。
- 阅读边界
- 仅据所给 Crossref 摘要；模型可计算不等于不可忽略机制已被识别，识别约束和敏感性分析范围均未说明。
原文摘要
SUMMARY We demonstrate the feasibility of constructing, interpreting and fitting computable log-linear models to categorical survey data with arbitrary non-nested patterns of non-ignorable non-response. Under our approach, the non-response probability for each cell of the classification defined by the categories of interest is modelled separately from the classification probability itself, and we adopt a model formulation which allows the non-response model to depend on scores, discrete covariates, continuous covariates or a mixture of types of covariate. We obtain explicit expressions for the score and information functions generated by the observed data which allow us to compute approximate standard errors and test statistics based on these functions. Through illustrative examples we quantify the fact that inferences obtained from different non-ignorable non-response models can vary considerably. This lends support to the calls in the literature for caution in using such models.