Inverse probability weighted estimation for general missing data problems
一般缺失数据问题的逆概率加权估计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：摘要明确包含倾向得分加权的平均处理效应估计和双重稳健性，支持因果推断分类，但论文范围还涵盖一般缺失数据。
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
一般缺失数据问题的逆概率加权估计
- 研究问题
- 在一般缺失数据机制下，逆概率加权 M 估计如何开展，估计选择概率为何可能改善效率，处理效应中的双重稳健性如何刻画？
- 方法与思路
- 作者研究一般缺失方案下的逆概率加权 M 估计，涵盖生存时间删失、平均处理效应及变概率抽样等例子。
- 材料陈述的贡献
- 摘要称，论文推广估计选择概率通常比使用已知概率更有效率的结果，并在处理效应框架中给出双重稳健性的一般刻画。
- 阅读关注点
- 应核对缺失机制与选择概率模型条件、效率比较所用估计程序，以及双重稳健性中各模型正确性的具体要求。
- 阅读边界
- 依据所给工作论文版本摘要，不能推断刊本变化；摘要未说明完整条件，不能把效率提升或双重稳健性推广到任意缺失机制。
原文摘要
I study inverse probability weighted M-estimation under a general missing data scheme. Examples include M-estimation with missing data due to a censored survival time, propensity score estimation of the average treatment effect in the linear exponential family, and variable probability sampling with observed retention frequencies. I extend an important result known to hold in special cases: estimating the selection probabilities is generally more efficient than if the known selection probabilities could be used in estimation. For the treatment effect case, the setup allows a general characterization of a “double robustness” result due to Scharfstein, Rotnitzky, and Robins (1999).