A note on multiple imputation for method of moments estimation
关于矩估计中多重插补的一则说明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：摘要涉及通用缺失数据、矩估计及方差校正，未明确涉及因果、面板、时间序列或其他所列细分方向。
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…
关于矩估计中多重插补的一则说明
- 研究问题
- 当每份插补数据使用矩估计进行完整样本分析、插补与分析模型不满足相容性条件时，常用方差合并公式是否可靠？
- 方法与思路
- 作者推导矩估计情形下 Rubin 多重插补方差估计量的渐近偏差，并提出基于过度插补的新方差估计方法。
- 材料陈述的贡献
- 摘要称，研究明确了原方差公式在该情形下的渐近偏差，并提供能够支持渐近有效推断的替代方差估计量。
- 阅读关注点
- 应核对相容性条件为何失效、偏差表达式依赖哪些条件，以及过度插补的具体构造、计算要求和有效推断的适用范围。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；缺失机制、过度插补步骤及渐近条件未说明，不能判断新方差估计适用于哪些具体模型。
原文摘要
Multiple imputation is widely used for estimation in situations where there are missing data. Rubin (1987) provided an easily applicable formula for multiple imputation variance estimation, but its validity requires the congeniality condition of Meng (1994), which may not be satisfied for method of moments estimation. We give the asymptotic bias of Rubin's variance estimator when method of moments estimation is used in the complete-sample analysis for each imputed dataset. A new variance estimator based on over-imputation is proposed to provide asymptotically valid inference in this case.