Semiparametric dimension reduction estimation for mean response with missing data
响应缺失时边际均值的半参数降维估计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：摘要研究缺失响应下的边际均值估计，未直接涉及处理效应或其他所列领域细分。
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
响应缺失时边际均值的半参数降维估计
- 研究问题
- 响应存在缺失且协变量较多时，如何估计边际响应均值，同时缓解非参数估计的维数灾难及模型误设带来的影响？
- 方法与思路
- 作者以参数化工作指标降低维数，再进行非参数函数估计，分析缺失机制与条件均值可恢复性对一致性和效率的作用。
- 材料陈述的贡献
- 摘要称缺失机制正确时任意工作指标可保证一致性；机制误设时，指标若能恢复条件均值仍一致，并在相应条件下达到最优效率。
- 阅读关注点
- 应核对缺失机制假设、工作指标如何恢复条件均值、效率界的定义，以及指标估计与非参数估计对理论结论的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；稳健性有明确条件，不能理解为任意双重误设下仍一致，具体缺失假设和效率界未提供。
原文摘要
Model misspecification can be a concern for high-dimensional data. Nonparametric regression obviates model specification but is impeded by the curse of dimensionality. This paper focuses on the estimation of the marginal mean response when there is missingness in the response and multiple covariates are available. We propose estimating the mean response through nonparametric functional estimation, where the dimension is reduced by a parametric working index. The proposed semiparametric estimator is robust to model misspecification: it is consistent for any working index if the missing mechanism of the response is known or correctly specified up to unknown parameters; even with misspecification in the missing mechanism, it is consistent so long as the working index can recover E(Y | X), the conditional mean response given the covariates. In addition, when the missing mechanism is correctly specified, the semiparametric estimator attains the optimal efficiency if E(Y | X) is recoverable through the working index. Robustness and efficiency of the proposed estimator is further investigated by simulations. We apply the proposed method to a clinical trial for HIV.