Robustness to missing data: breakdown point analysis
缺失数据的稳健性：崩溃点分析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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要主要提出适用于一般 GMM 结论的缺失数据稳健性方法，随机试验只是应用，不足以将方法限定于某一细分领域。
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
缺失数据的稳健性：崩溃点分析
- 研究问题
- 当缺失机制难以视为随机时，需要多大程度的选择性缺失才能推翻已有结论，如何估计这一阈值并表达其不确定性？
- 方法与思路
- 作者用完整与不完整观测分布之间的散度衡量选择程度，将推翻结论的最小选择程度定义为崩溃点，并构造估计及置信下界。
- 材料陈述的贡献
- 摘要称，所提估计量具有根号样本量一致性与渐近正态性，可用于满足相应条件的 GMM 模型，并以模拟和存在流失的随机试验展示。
- 阅读关注点
- 应核对散度的定义、缺失数据下可行分布集合的限制、何谓推翻结论，以及崩溃点估计和置信下界所需的正则条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收状态未核实；摘要未列明散度形式和所谓温和假设，不能判断具体应用的稳健程度。
原文摘要
Missing data is pervasive in econometric applications, and rarely is it plausible that the data are missing (completely) at random. This paper proposes a methodology for studying the robustness of results drawn from incomplete datasets. Selection is measured as the divergence from the distribution of complete observations to the distribution of incomplete observations. The breakdown point is defined as the minimal amount of selection needed to overturn a given result. Reporting point estimates and lower confidence intervals of the breakdown point is a simple, concise way to communicate the robustness of a result. An estimator of the breakdown point is proposed and shown root-n consistent and asymptotically normal. This estimator can be applied directly to conclusions drawn from any model identified with the generalized method of moments (GMM) that satisfies mild assumptions. Simulations demonstrate the finite sample performance of the breakdown point estimator on averages, linear regression, and logistic regression. The methodology is illustrated by estimating the breakdown point of conclusions drawn from several randomized controlled trails suffering from missing data due to attrition.