Multiple Imputation for Interval Estimation from Simple Random Samples with Ignorable Nonresponse
可忽略无响应下简单随机样本的多重插补区间估计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：摘要聚焦抽样调查中总体均值的缺失数据推断，未直接涉及所列领域细分。
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
可忽略无响应下简单随机样本的多重插补区间估计
- 研究问题
- 简单随机抽样的标量结果存在可忽略无响应时，不同多重插补方法和插补次数如何影响总体均值区间的覆盖率？
- 方法与思路
- 作者介绍若干多重插补技术，通过解析结果与蒙特卡洛研究比较区间覆盖率，并考察插补次数和无响应率。
- 材料陈述的贡献
- 摘要称，两次插补在常见情形下覆盖较准确，并给出随无响应率增加而由两次增至三次的粗略实践建议。
- 阅读关注点
- 应核对可忽略无响应的具体含义、插补模型与区间合并规则，以及少量插补建议适用的样本和缺失情形。
- 阅读边界
- 所据为稿件版本未注明的索引摘要，不能推断刊本变化。插补次数建议是所述方法下的粗略指引，不能普遍外推。
原文摘要
Several multiple imputation techniques are described for simple random samples with ignorable nonresponse on a scalar outcome variable. The methods are compared using both analytic and Monte Carlo results concerning coverages of the resulting intervals for the population mean. Using m = 2 imputations per missing value gives accurate coverages in common cases and is clearly superior to single imputation (m = 1) in all cases. The performances of the methods for various m can be predicted well by linear interpolation in 1/(m — 1) between the results for m = 2 and m = ∞. As a rough guide, to assure coverages of interval estimates within 2% of the nominal level when using the preferred methods, the number of imputations per missing value should increase from 2 to 3 as the nonresponse rate increases from 10% to 60%.