Misguided Use of Observed Covariates to Impute Missing Covariates in Conditional Prediction: A Shrinkage Problem
条件预测中用已观测协变量填补缺失协变量的收缩问题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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究一般条件预测与缺失协变量填补，未明确对应所列的宏观预测、收益预测或其他具体细分领域。
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…
条件预测中用已观测协变量填补缺失协变量的收缩问题
- 研究问题
- 估计同时条件于完整和部分缺失协变量的条件均值时，利用已观测协变量进行简单填补，在随机缺失下是否一致？
- 方法与思路
- 作者分析简单填补条件均值估计量的大样本概率极限，比较其目标与仅条件于完整协变量的均值，并以基因型填补说明。
- 材料陈述的贡献
- 摘要称所研究的简单填补估计即使在随机缺失下也不一致，其极限向仅使用完整协变量的条件均值收缩。
- 阅读关注点
- 应核对简单填补的具体定义、随机缺失条件及收缩极限的推导，并区分结论针对的程序与其他缺失数据处理方法。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；结论针对所研究的简单填补，摘要不足以否定所有填补方法。
原文摘要
Researchers regularly perform conditional prediction using imputed values of missing data. However, applications of imputation often lack a firm foundation in statistical theory. This paper originated when we were unable to find analysis substantiating claims that imputation of missing data has good frequentist properties when data are missing at random (MAR). We focused on the use of observed covariates to impute missing covariates when estimating conditional means of the form E(y|x, w). Here y is an outcome whose realizations are always observed, x is a covariate whose realizations are always observed, and w is a covariate whose realizations are sometimes unobserved. We examine the probability limit of simple imputation estimates of E(y|x, w) as sample size goes to infinity. We find that these estimates are not consistent when covariate data are MAR. To the contrary, the estimates suffer from a shrinkage problem. They converge to points intermediate between the conditional mean of interest, E(y|x, w), and the mean E(y|x) that conditions only on x. We use a type of genotype imputation to illustrate.