Bayesian nonparametric multiple imputation of partially observed data with ignorable nonresponse
可忽略无响应下部分观测数据的贝叶斯非参数多重插补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：摘要研究一般缺失数据与多重插补方法，未明确涉及所列计量领域细分。
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
可忽略无响应下部分观测数据的贝叶斯非参数多重插补
- 研究问题
- 在缺失模式任意、数据满足随机缺失且无响应相对于模型可忽略时，如何对部分观测数据进行贝叶斯非参数多重插补？
- 方法与思路
- 作者以 Pólya 树构建多重插补方法，介绍方法动机与基本框架，与既有方案比较，并用美国高校数据展示应用。
- 材料陈述的贡献
- 摘要称，文章提出新的贝叶斯非参数多重插补方法，适用于上述缺失设定，并提供方法比较与数据例子。
- 阅读关注点
- 应核对 Pólya 树先验及插补生成步骤、可忽略性的具体要求，以及多重插补后的不确定性合并与比较标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能判断比较结果或插补后推断的校准情况；任意缺失模式不意味着允许非随机缺失。
原文摘要
We present a new, nonparametric Bayesian method for multiple imputation of partially observed data for which the pattern of missingness is arbitrary and the data are missing at random with ignorable nonresponse with respect to the model specification. Motivation for the method is provided, followed by an overview of Pólya trees and their application to multiple imputation, and a comparison of the new method to existing approaches is presented. The method is illustrated on a dataset of colleges and universities in the United States.