A transformation approach in linear mixed-effects models with informative missing responses
信息性响应缺失下线性混合效应模型的变换方法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：摘要明确讨论面板响应向量的缺失，并以消除随机效应的数据变换进行参数估计。
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…
信息性响应缺失下线性混合效应模型的变换方法
- 研究问题
- 在线性混合效应模型中，若面板响应的缺失通过未观测随机效应依赖于已观测和缺失响应，如何估计模型参数并进行推断？
- 方法与思路
- 作者先通过数据变换消除随机效应，估计变换后可识别的部分参数，再为不能由变换数据估计的参数另行构造估计量。
- 材料陈述的贡献
- 摘要称两类参数估计量均具有渐近无偏性和渐近正态性，并提供模拟及真实数据例子考察所提方法的有限样本表现。
- 阅读关注点
- 应核对缺失机制与随机效应的具体关系、数据变换是否需要完整观测组合，以及两类参数各自的识别与渐近条件。
- 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；摘要未说明可容许缺失模式、参数识别限制及渐近样本结构。
原文摘要
We consider a linear mixed-effects model in which the response panel vector has missing components and the missing data mechanism depends on observed data as well as missing responses through unobserved random effects. Using a transformation of the data that eliminates the random effects, we derive asymptotically unbiased and normally distributed estimators of certain model parameters. Estimators of model parameters that cannot be estimated using the transformed data are also constructed, and their asymptotic unbiasedness and normality are established. Simulation results are presented to examine the finite sample performance of the proposed estimators and a real data example is discussed.