IDENTIFICATION AND INFERENCE ON REGRESSIONS WITH MISSING COVARIATE DATA
协变量缺失回归模型的识别与推断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：摘要研究一般条件矩模型的缺失数据与部分识别，未明确对应所列的具体应用方向。
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…
协变量缺失回归模型的识别与推断
- 研究问题
- 当条件矩模型中的条件协变量存在缺失，且不对缺失数据的分布施加假设时，如何描述参数的识别范围并开展可计算推断？
- 方法与思路
- 作者采用最坏情形方法刻画尖锐识别集，并针对其计算困难提出两种较易处理的外部识别集构造，即用超集包络真实识别集。
- 材料陈述的贡献
- 摘要称，两种外部识别策略均具有非平凡识别力，计算与推断相对便利，也可组合使用以约束目标参数的取值范围。
- 阅读关注点
- 应核对条件矩限制、缺失数据可取范围、尖锐集与外部集的关系，以及两种策略组合后如何进行有效的集合推断。
- 阅读边界
- 解读仅限所给 Crossref 摘要；摘要未给出两种策略的具体形式和推断条件，外部识别集通常也不能直接等同于尖锐识别集。
原文摘要
This paper examines the problem of identification and inference on a conditional moment condition model with missing data, with special focus on the case when the conditioning covariates are missing. We impose no assumption on the distribution of the missing data and we confront the missing data problem by using a worst case scenario approach. We characterize the sharp identified set and argue that this set is usually too complex to compute or to use for inference. Given this difficulty, we consider the construction of outer identified sets (i.e. supersets of the identified set) that are easier to compute and can still characterize the parameter of interest. Two different outer identification strategies are proposed. Both of these strategies are shown to have nontrivial identifying power and are relatively easy to use and combine for inferential purposes.