Finite sample properties of multiple imputation estimators
多重插补估计量的有限样本性质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：摘要讨论通用线性回归中的多重插补理论，未提供所列领域细分的直接依据。
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
多重插补估计量的有限样本性质
- 研究问题
- 在线性回归模型下，多重插补方差估计量具有怎样的有限样本偏差，如何减小该偏差并推广至其他线性估计量？
- 方法与思路
- 作者给出多重插补方差估计量的精确偏差，提出减偏方法，并通过模拟比较其表现，同时讨论一般线性估计量的适用性。
- 材料陈述的贡献
- 摘要称，本文明确刻画了方差估计量的偏差，提供一种减偏办法，并说明该办法可用于一类更一般的线性估计量。
- 阅读关注点
- 应核对插补机制、方差估计公式及精确偏差成立的条件，重点查看减偏方法如何构造，以及模拟比较覆盖哪些情形。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；缺失机制、插补次数及具体偏差结果未说明，不能判断减偏方法的普遍有效性。
原文摘要
Finite sample properties of multiple imputation estimators under the linear regression model are studied. The exact bias of the multiple imputation variance estimator is presented. A method of reducing the bias is presented and simulation is used to make comparisons. We also show that the suggested method can be used for a general class of linear estimators.