Multiple Imputation after 18+ Years
十八余年后的多重插补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：摘要讨论公共数据库缺失数据处理的通用框架，未明确对应所列领域细分。
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
十八余年后的多重插补
- 研究问题
- 研究公共数据库的构建者与最终使用者相互分离时，如何让缺乏非响应机制知识、仅使用完整数据软件的用户获得有效推断。
- 方法与思路
- 作者先界定数据库发布场景和推断目标，再回顾多重插补框架及标准结果，回应批评并与其他缺失数据处理策略比较。
- 材料陈述的贡献
- 摘要表达作者对该特定场景采用多重插补的支持，并通过梳理理论与实践目标，讨论部分批评所涉及的误解及替代方案。
- 阅读关注点
- 应核对有效频率推断对插补模型和分析模型的要求，以及作者回应的批评、比较标准与数据库发布场景之间的联系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读，不推断刊本变化。这是框架回顾与讨论；摘要中的方法偏好不能视为所有缺失机制下的优势证明。
原文摘要
Multiple imputation was designed to handle the problem of missing data in public-use data bases where the data-base constructor and the ultimate user are distinct entities. The objective is valid frequency inference for ultimate users who in general have access only to complete-data software and possess limited knowledge of specific reasons and models for nonresponse. For this situation and objective, I believe that multiple imputation by the data-base constructor is the method of choice. This article first provides a description of the assumed context and objectives, and second, reviews the multiple imputation framework and its standard results. These preliminary discussions are especially important because some recent commentaries on multiple imputation have reflected either misunderstandings of the practical objectives of multiple imputation or misunderstandings of fundamental theoretical results. Then, criticisms of multiple imputation are considered, and, finally, comparisons are made to alternative strategies.