Alternative approaches for analysing repeated measures data that are missing not at random
非随机缺失重复测量数据的替代分析方法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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确涉及随时间重复测量及退出缺失，并使用双重差分和工具变量识别策略，支持面板与因果推断分类。
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…
非随机缺失重复测量数据的替代分析方法
- 研究问题
- 在重复测量研究中，部分受试者提前退出且缺失可能非随机时，如何识别结果变化，并处理平行趋势假设的违背？
- 方法与思路
- 作者提出两种识别策略：一种与双重差分相关，另一种借助有效的定制工具变量修正平行趋势偏离，并比较既有方法。
- 材料陈述的贡献
- 摘要称，研究提供区别于末次观测结转和随机缺失假设的分析路径，并以 Framingham 心脏研究资料开展概念与应用比较。
- 阅读关注点
- 应核对缺失机制下的目标参数、平行趋势针对哪些人群，以及定制工具变量的有效性条件和修正方法的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明工具变量具体构造和应用结果，不能判断哪种策略更可靠。
原文摘要
We consider studies where multiple measures on an outcome variable are collected over time, but some subjects drop out before the end of follow up. Analyses of such data often proceed under either a 'last observation carried forward' or 'missing at random' assumption. We consider two alternative strategies for identification; the first is closely related to the difference-in-differences methodology in the causal inference literature. The second enables correction for violations of the parallel trend assumption, so long as one has access to a valid 'bespoke instrumental variable'. These are compared with existing approaches, first conceptually and then in an analysis of data from the Framingham Heart Study.