A functional generalized method of moments approach for longitudinal studies with missing responses and covariate measurement error
响应缺失与协变量测量误差下纵向研究的函数型广义矩方法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：摘要明确研究具有时变协变量、响应缺失和测量误差的纵向数据，直接关联面板数据方法。
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…
响应缺失与协变量测量误差下纵向研究的函数型广义矩方法
- 研究问题
- 纵向数据中响应存在缺失、部分时变协变量又带有测量误差时，如何同时处理这两类问题并开展边际模型分析？
- 方法与思路
- 题名将方法描述为函数型广义矩方法；摘要称作者针对时变协变量的边际分析提出简便方法，不要求指定误测协变量的分布。
- 材料陈述的贡献
- 摘要明确将响应缺失与协变量测量误差纳入同一分析方法，并称其模型假设较少、实现直接，提供理论论证与数值结果。
- 阅读关注点
- 核对缺失机制、测量误差结构和所需辅助信息，查看矩条件如何构造，以及理论论证覆盖哪些参数与数据情形。
- 阅读边界
- 仅据 Crossref 摘要；具体矩条件、缺失假设和误差信息要求未提供，不能将假设较少理解为无条件适用，也不能推断刊本变化。
原文摘要
Abstract Covariate measurement error and missing responses are typical features in longitudinal data analysis. There has been extensive research on either covariate measurement error or missing responses, but relatively little work has been done to address both simultaneously. In this paper, we propose a simple method for the marginal analysis of longitudinal data with time-varying covariates, some of which are measured with error, while the response is subject to missingness. Our method has a number of appealing properties: assumptions on the model are minimal, with none needed about the distribution of the mismeasured covariate; implementation is straightforward and its applicability is broad. We provide both theoretical justification and numerical results.