Marginal models for the analysis of longitudinal measurements with nonignorable non-monotone missing data
不可忽略且非单调缺失下纵向测量的边际模型分析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：摘要明确研究重复纵向测量、跨时点依赖及缺失数据下的边际估计，与面板数据方法直接相关。
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
不可忽略且非单调缺失下纵向测量的边际模型分析
- 研究问题
- 当连续纵向响应存在不可忽略、非单调的缺失时，如何估计各时点的边际均值与缺失机制参数，而不指定时间相关结构？
- 方法与思路
- 作者将各时点边际似然相乘，按工作独立思路构造伪似然，并以三明治估计获得参数方差近似，辅以实例和模拟评估。
- 材料陈述的贡献
- 摘要称，该方法可获得均值及缺失参数的一致、渐近正态估计，且不要求设定纵向相关结构，并提供方差估计与性能评估。
- 阅读关注点
- 应核对不可忽略缺失模型的识别限制、边际模型的正确设定要求，以及三明治方差如何处理同一个体跨时点的依赖。
- 阅读边界
- 所给OpenAlex索引摘要未注明稿件版本；不设相关结构不代表无需缺失机制假设，具体识别条件与模拟表现未说明。
原文摘要
We propose methods for the analysis of continuous responses subject to nonignorable non-monotone missing data. We form a pseudolikelihood by naively assuming independence over time and using a product of marginal likelihoods at each time point, and we obtain consistent and asymptotically normal estimators of the mean and missingness parameters. Our primary interest is in estimating the parameters of the marginal model at each time point, and we make no assumption about the correlation structure. An approximate variance is found for the parameter estimates using a sandwich estimate. We provide an example, and present a simulation study that assesses the performance of the model.