Itemwise conditionally independent nonresponse modelling for incomplete multivariate data
不完整多变量数据的逐项条件独立无应答建模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：材料讨论通用缺失数据机制与联合模型识别，未明确对应所列计量领域细分。
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…
关注这篇论文的作者
不完整多变量数据的逐项条件独立无应答建模
- 研究问题
- 在某项无应答可能依赖其他未观测项目取值时，能否借助逐项条件独立限制识别多变量数据与缺失指标的联合模型？
- 方法与思路
- 作者假设给定其他变量及其无应答指标后，每个研究变量与自身无应答指标条件独立，并分析违反该假设的敏感性。
- 材料陈述的贡献
- 摘要称该非可忽略缺失机制允许定义并识别非参数饱和联合模型类，同时提供敏感性分析并通过数据分析展示。
- 阅读关注点
- 应核对非参数饱和与识别的具体含义、观测数据所需条件，以及敏感性参数如何表达条件独立假设的偏离。
- 阅读边界
- 索引摘要未注明稿件版本，也未说明识别的完整条件和分析细节；不能认定该缺失假设适用于任意调查数据。
原文摘要
We introduce a nonresponse mechanism for multivariate missing data in which each study variable and its nonresponse indicator are conditionally independent given the remaining variables and their nonresponse indicators. This is a nonignorable missingness mechanism, in that nonresponse for any item can depend on values of other items that are themselves missing. We show that under this itemwise conditionally independent nonresponse assumption, one can define and identify nonparametric saturated classes of joint multivariate models for the study variables and their missingness indicators. We also show how to perform sensitivity analysis with respect to violations of the conditional independence assumptions encoded by this missingness mechanism. We illustrate the proposed modelling approach with data analyses.