Protective estimation of mixed-effects logistic regression when data are not missing at random
非随机缺失下混合效应逻辑回归的保护性估计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：摘要明确研究纵向数据、滞后结果与个体效应，对应面板数据方法。
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…
关注这篇论文的作者
非随机缺失下混合效应逻辑回归的保护性估计
- 研究问题
- 纵向二元结果非随机缺失时，如何在不正确指定缺失机制参数模型的情况下，仍获得一致的混合效应逻辑回归估计？
- 方法与思路
- 作者按缺失对当前结果、滞后结果及个体效应的依赖分类，研究标准最大条件似然在单调与间歇缺失下的保护性质。
- 材料陈述的贡献
- 摘要称，最大条件似然在广泛缺失机制下仍具有一致性，无需设定缺失机制参数模型或使用补充样本，且便于软件实现。
- 阅读关注点
- 应核对受保护的是哪些参数、允许哪些缺失依赖关系，以及条件化后哪些个体贡献信息和一致性结果的适用范围。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；“广泛机制”不代表任意非随机缺失均适用，摘要未列出完整条件或可估参数范围。
原文摘要
We consider estimation of mixed-effects logistic regression models for longitudinal data when missing outcomes are not missing at random. A typology of missingness mechanisms is presented that includes missingness dependent on observed or missing current outcomes, observed or missing lagged outcomes and subject-specific effects. When data are not missing at random, consistent estimation by maximum marginal likelihood generally requires correct parametric modelling of the missingness mechanism, which hinges on unverifiable assumptions. We show that standard maximum conditional likelihood estimators are protective in the sense that they are consistent for monotone or intermittent missing data under a wide range of missingness mechanisms. Our approach requires neither specification of parametric models for the missingness mechanism nor refreshment samples and is straightforward to implement in standard software.