A Semiparametric Method of Multiple Imputation
一种半参数多重插补方法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：摘要明确将缺失数据下的中位数估计列为应用，直接对应分位数相关推断。
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…
一种半参数多重插补方法
- 研究问题
- 当部分个体存在缺失数据时，如何在不指定完整数据分布的情况下，通过多重插补估计参数及其标准误？
- 方法与思路
- 作者提出半参数多重插补方法，要求缺失数据生成过程已知或可估计，同时避免为数据指定完整分布形式。
- 材料陈述的贡献
- 摘要称，方法可用于缺失数据下的参数与标准误估计，并特别适合中位数估计等非标准推断问题。
- 阅读关注点
- 应核对缺失过程的可估计条件、插补分布的构造，以及标准误如何综合插补不确定性与缺失过程估计误差。
- 阅读边界
- 仅据Crossref摘要；摘要未说明具体缺失机制、插补算法或方差公式，不指定完整分布不代表无需缺失机制假设。
原文摘要
Summary In this paper, we describe how to use multiple imputation semiparametrically to obtain estimates of parameters and their standard errors when some individuals have missing data. The methods given require the investigator to know or be able to estimate the process generating the missing data but requires no full distributional form for the data. The method is especially useful for non-standard problems, such as estimating the median when data are missing.