Nonparametric Analysis of Randomized Experiments with Missing Covariate and Outcome Data
协变量和结局缺失的随机实验非参数分析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：摘要直接研究随机实验缺失数据下的参数识别界，属于因果推断中的部分识别问题。
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
协变量和结局缺失的随机实验非参数分析
- 研究问题
- 随机实验同时存在协变量和结局缺失时，若不对缺失值分布施加不可检验假设，目标总体参数还能确定到何种范围？
- 方法与思路
- 作者在不加不可检验分布假设的设定下推导参数界，并进一步研究协变量完全随机缺失假设下的界。
- 材料陈述的贡献
- 摘要称两类界均为锐界，穷尽数据与维持假设提供的信息，并以临床试验及家庭结构与毕业数据作示例。
- 阅读关注点
- 应核对目标参数定义、随机化与缺失信息如何进入界，以及锐性证明和完全随机缺失假设收紧界的方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；界的公式、结局支持条件及样本推断方法未说明，也不能将第二个示例默认视为随机实验。
原文摘要
Analysis of randomized experiments with missing covariate and outcome data is problematic, because the population parameters of interest are not identified unless one makes untestable assumptions about the distribution of the missing data. This article shows how population parameters can be bounded without making untestable distributional assumptions. Bounds are also derived under the assumption that covariate data are missing completely at random. In each case the bounds are sharp; they exhaust all of the information available given the data and the maintained assumptions. The bounds are illustrated with applications to data obtained from a clinical trial and data relating family structure to the probability that a youth graduates from high school.