Sequentially additive nonignorable missing data modelling using auxiliary marginal information
利用辅助边际信息的序贯加性不可忽略缺失建模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：摘要讨论通用多变量缺失机制与模型识别，未明确研究因果效应、分布效应或其他所列细分对象。
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
利用辅助边际信息的序贯加性不可忽略缺失建模
- 研究问题
- 多变量数据中，某变量的缺失概率可能依赖其未观测值，如何借助外部边际分布信息识别这类不可忽略缺失模型？
- 方法与思路
- 作者研究序贯加性不可忽略缺失机制，允许各变量非响应依赖其自身值，并利用边际概率或数值变量的矩提供辅助信息。
- 材料陈述的贡献
- 摘要称证明了该类缺失模型的识别结果，并通过应用展示辅助边际信息如何用于多变量项目非响应的建模。
- 阅读关注点
- 应核对序贯加性限制的具体形式、变量顺序的作用，以及不同辅助概率或矩信息支持何种程度的模型识别。
- 阅读边界
- 仅据所给Crossref摘要，所需辅助信息的数量、准确性要求和应用细节未说明，不能认定任意边际信息均足够。
原文摘要
Summary We study a class of missingness mechanisms, referred to as sequentially additive nonignorable, for modelling multivariate data with item nonresponse. These mechanisms explicitly allow the probability of nonresponse for each variable to depend on the value of that variable, thereby representing nonignorable missingness mechanisms. These missing data models are identified by making use of auxiliary information on marginal distributions, such as marginal probabilities for multivariate categorical variables or moments for numeric variables. We prove identification results and illustrate the use of these mechanisms in an application.