Multiple Imputation in Mixture Models for Nonignorable Nonresponse with Follow-ups
有追访时不可忽略无应答混合模型中的多重插补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：摘要讨论缺失数据与多重插补，没有明确对应所列因果、面板或其他领域细分。
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…
有追访时不可忽略无应答混合模型中的多重插补
- 研究问题
- 当结果变量存在不可忽略的无应答，并能追访部分无应答者时，如何对总体均值和线性回归参数进行可靠推断？
- 方法与思路
- 作者为应答者与无应答者设置不同参数，反复插补缺失结果并估计参数，再调整插补间变异；模拟中追访了四分之一的无应答者。
- 材料陈述的贡献
- 摘要称，在所考察的追访情境下，该方法对均值和回归参数的推断总体令人满意且稳健，但可能比可忽略无应答需要更多次插补。
- 阅读关注点
- 应核对追访样本如何抽取、混合模型如何设定、插补间变异如何调整，以及稳健性考察覆盖哪些缺失机制和参数情境。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明追访抽样条件、稳健性范围或所需插补次数。
原文摘要
One approach to inference for means or linear regression parameters when the outcome is subject to nonignorable nonresponse is mixture modeling. Mixture models assume separate parameters for respondents and nonrespondents; implementation by multiple imputation consists of repeatedly filling in missing values for nonrespondents, estimating parameters using the filled-in data, and then adjusting for variability between imputations. We evaluated the performance of this scheme using simulated data with a 25% sample of nonrespondents followed up. We conclude that it provides a generally satisfactory and robust approach to inference for means and regression parameters in this case, although a greater number of imputations may be required for good performance compared to the number required for estimation when nonresponse is ignorable.