Semiparametric Efficiency in Multivariate Regression Models with Missing Data
缺失数据下多元回归模型的半参数效率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：摘要仅明确相关多元结局与缺失数据，未说明面板结构或其他所列领域对象。
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
缺失数据下多元回归模型的半参数效率
- 研究问题
- 相关多元结局仅受均值限制且数据随机缺失时，参数估计的半参数效率界是什么，常用 GEE 能否达到该界？
- 方法与思路
- 作者研究逆删失概率加权估计类的最优渐近方差，与 GEE 比较，并针对单调缺失提出可达到效率界的自适应估计。
- 材料陈述的贡献
- 摘要称效率界对应最优加权估计的渐近方差；完全随机缺失时该界不变，最优 GEE 通常仍无效率，单调缺失下可自适应达界。
- 阅读关注点
- 应核对随机缺失机制、均值限制及效率界比较的具体设定，并检查 GEE 有效的特殊情形和自适应估计所需条件。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；摘要未列明达界条件、未知量估计方法及有限样本表现。
原文摘要
We consider the efficiency bound for the estimation of the parameters of semiparametric models defined solely by restrictions on the means of a vector of correlated outcomes, Y, when the data on Y are missing at random. We show that the semiparametric variance bound is the asymptotic variance of the optimal estimator in a class of inverse probability of censoring weighted estimators and that this bound is unchanged if the data are missing completely at random. For this case we study the asymptotic performance of the generalized estimating equations (GEE) estimators of mean parameters and show that the optimal GEE estimator is inefficient except for special cases. The optimal weighted estimator depends on unknown population quantities. But for monotone missing data, we propose an adaptive estimator whose asymptotic variance can achieve the bound.