Inference from Nonrandomly Missing Categorical Data: An Example from a Genetic Study on Turner's Syndrome
非随机缺失分类数据的推断：特纳综合征遗传研究示例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：摘要研究非随机缺失分类数据及遗传应用，没有明确的因果效应、离散选择或面板研究对象。
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
非随机缺失分类数据的推断：特纳综合征遗传研究示例
- 研究问题
- 当分类不确定的概率依赖真实类别时，如何估计总体类别比例，并评估非随机缺失机制对估计与检验的影响？
- 方法与思路
- 作者使用允许分类不确定概率随类别变化的缺失数据模型，以最大似然估计比例，并讨论列联表中的处理方法。
- 材料陈述的贡献
- 摘要报告该模型在特纳综合征遗传数据中的应用，并建议围绕缺失机制参数开展估计与检验的敏感性分析。
- 阅读关注点
- 应核对观测分类与真实类别的联系、缺失机制参数的识别条件，以及敏感性参数范围和似然计算方法。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明缺失机制能否由观测数据识别，也未给敏感性结果，不能推断刊本变化。
原文摘要
The process leading to partial classification with categorical data is sometimes nonrandom. A particular model accounting for incomplete data, which allows the probability of uncertain classification to depend on category identity, is utilized for an analysis of data obtained from a genetic study on Turner's syndrome. Estimates of population proportions are obtained from maximum likelihood. A method for handling nonrandomly missing data arrayed in contingency tables is discussed. Sensitivity analyses incorporating parameters related to the missing-data mechanism are recommended for estimation and testing.