Performing likelihood ratio tests with multiply-imputed data sets
多重插补数据集的似然比检验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：摘要涉及通用缺失数据检验与多重插补，未提供所列领域细分的直接证据。
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
多重插补数据集的似然比检验
- 研究问题
- 多重插补后的高维参数检验中，如何避免获取完整协方差矩阵，同时保持与既有检验程序相应的大样本性质？
- 方法与思路
- 作者利用 Wald 与对数似然比统计量之间的关系，构造仅需点估计及完整数据对数似然比求值的合并程序。
- 材料陈述的贡献
- 摘要称，对任意插补次数，新程序在大样本下等价于基于点估计和协方差矩阵的既有程序，并避免矩阵计算。
- 阅读关注点
- 应核对统计量的合并公式、大样本等价性所需条件，以及似然比如何在各插补数据集与不同点估计处求值。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明有限样本校准与插补要求，不能把渐近等价视为精确等价。
原文摘要
Existing procedures for obtaining significance levels from multiply-imputed data either (i) require access to the completed-data point estimates and variance-covariance matrices, which may not be available in practice when the dimensionality of the estimand is high, or (ii) directly combine p-values with less satisfactory results. Taking advantage of the well-known relationship between the Wald and log likelihood ratio test statistics, we propose a complete-data log likelihood ratio based procedure. It is shown that, for any number of multiple imputations, the proposed procedure is equivalent in large samples to the existing procedure based on the point estimates and the variance-covariance matrices, yet it only requires the point estimates and evaluations of the complete-data log likelihood ratio statistic as a function of these estimates and the completed data. The proposed procedure, therefore, is especially attractive with highly multiparameter incomplete-data problems since it does not involve the computation of any matrices.