Pattern graphs: A graphical approach to nonmonotone missing data
模式图：非单调缺失数据的图形化方法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：摘要的图用于表达缺失模式而非因果关系或个体互动网络，缺乏所列领域细分的直接依据。
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
模式图：非单调缺失数据的图形化方法
- 研究问题
- 如何用图表示非单调缺失资料的响应模式关系与识别限制，并据此构造加权、插补和稳健估计方法？
- 方法与思路
- 作者用有向无环的模式图表达响应模式之间的联系，建立选择模型与模式混合模型，并研究半参数效率。
- 材料陈述的贡献
- 摘要称两种模型表述等价，模式图可导出逆概率加权及插补估计量，并进一步得到多重稳健估计量。
- 阅读关注点
- 应核对图所编码的识别限制、非随机缺失下不可检验的部分，以及多重稳健性究竟允许哪些模型误设组合。
- 阅读边界
- 仅据版本未注明的索引摘要；识别限制、图的选择及稳健性条件未展开，不能认定任意缺失机制都可被识别。
原文摘要
We introduce the concept of pattern graphs–directed acyclic graphs representing how response patterns are associated. A pattern graph represents an identifying restriction that is nonparametrically identified/saturated and is often a missing not at random restriction. We introduce a selection model and a pattern mixture model formulations using the pattern graphs and show that they are equivalent. A pattern graph leads to an inverse probability weighting estimator as well as an imputation-based estimator. We also study the semiparametric efficiency theory and derive a multiply-robust estimator using pattern graphs.