Semiparametric model-based inference in the presence of missing responses
响应缺失下基于半参数模型的推断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：摘要属于通用缺失数据与半参数似然推断，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…
响应缺失下基于半参数模型的推断
- 研究问题
- 响应可能缺失、协变量边际分布不作参数限制时，如何估计条件响应密度的参数，并对参数向量与响应均值开展推断？
- 方法与思路
- 作者对响应给定协变量的条件密度参数化，构造似然插补估计和半经验似然估计，并推导参数与响应均值的对数似然函数。
- 材料陈述的贡献
- 摘要称两类参数估计量均渐近正态，参数向量与响应均值的半经验对数似然分别具有加权及缩放卡方渐近分布。
- 阅读关注点
- 应核对响应缺失机制、条件密度的正确设定要求、插补方式，以及加权或缩放卡方分布中未知量的估计和校准方法。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明缺失机制和正则条件，不能自行认定结果适用于任意非随机缺失。
原文摘要
We consider a semiparametric model that parameterizes the conditional density of the response, given covariates, but allows the marginal distribution of the covariates to be completely arbitrary. Responses may be missing. A likelihood-based imputation estimator and a semi-empirical-likelihood-based estimator for the parameter vector describing the conditional density are defined and proved to be asymptotically normal. Semi-empirical loglikelihood functions for the parameter vector and the response mean are derived. It is shown that the two semi-empirical loglikelihood functions are distributed asymptotically as weighted χ2 and scaled χ2, respectively.