Maximum Likelihood Inference for Multiple Regression with Missing Values: A Simulation Study
含缺失值多元回归的极大似然推断：模拟研究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：摘要研究一般缺失数据回归模拟，未明确涉及面板结构、因果识别或其他所列细分。
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
含缺失值多元回归的极大似然推断：模拟研究
- 研究问题
- 在回归数据含随机删除的缺失值时，极大似然系数估计相对完整观测最小二乘表现如何，大样本推断能否适用于中等样本？
- 方法与思路
- 作者生成多元正态观测并随机删除数据，以均方误差比较两类估计，同时比较两种极大似然协方差估计及检验和区间推断。
- 材料陈述的贡献
- 摘要明确提供围绕缺失数据回归的模拟比较框架，涵盖点估计误差、协方差估计和中等样本推断，但未报告优势方向。
- 阅读关注点
- 核对缺失生成规则、删除比例与样本量，以及两种协方差估计的构造和检验尺寸、置信区间覆盖率的实际表现。
- 阅读边界
- 依据所给 Crossref 摘要；摘要未说明随机删除的具体机制或模拟结果，不能推断极大似然占优，也不能外推至非随机缺失。
原文摘要
Summary Maximum likelihood inference for the coefficients of a multiple regression with missing values is studied by simulation, using artificially generated multivariate normal observations with randomly deleted missing values. The method is compared with least squares on the complete observations by mean squared error. Two methods of estimating the covariance matrix of the m.l. estimates are compared, and the applicability of large sample theory to obtain tests and confidence intervals for the regression coefficients is considered for moderate size samples.