Empirical likelihood-based inference under imputation for missing response data
缺失响应数据插补下的经验似然推断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：摘要研究一般缺失响应下的均值推断与辅助信息利用，没有明确涉及因果效应、面板或其他所列细分方向。
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…
关注这篇论文的作者
缺失响应数据插补下的经验似然推断
- 研究问题
- 在响应变量缺失并采用核回归插补时，如何为响应均值构造有效的经验似然推断，并利用辅助信息改善估计与区间表现？
- 方法与思路
- 作者调整插补后的经验似然，构造均值置信区间，并在有辅助信息时定义估计量及调整后的似然比，再研究其渐近性质。
- 材料陈述的贡献
- 摘要称，调整后的似然比满足 Wilks 定理，辅助信息估计量具有渐近正态性；模拟中区间表现有竞争力，辅助信息改善推断。
- 阅读关注点
- 应核对缺失机制、核回归与带宽条件、似然调整方式、辅助信息的使用限制，以及模拟中的覆盖率和区间长度比较。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；缺失机制、完整条件与模拟数值未说明，不能据此保证任意缺失模式下推断有效。
原文摘要
Inference under kernel regression imputation for missing response data is considered. An adjusted empirical likelihood approach to inference for the mean of the response variable is developed. A nonparametric version of Wilks' theorem is proved for the adjusted empirical log-likelihood ratio by showing that it has an asymptotic standard chi-squared distribution, and the corresponding empirical likelihood confidence interval for the mean is constructed. With auxiliary information, an empirical likelihood-based estimator is defined and an adjusted empirical log-likelihood ratio is derived. Asymptotic normality of the estimator is proved. Also, it is shown that the adjusted empirical log-likelihood ratio obeys Wilks' theorem. A simulation study is conducted to compare the adjusted empirical likelihood and the normal approximation methods in terms of coverage accuracies and average lengths of confidence intervals. Based on biases and standard errors, a comparison is also made by simulation between the empirical likelihood-based estimator and related estimators. Our simulation indicates that the adjusted empirical likelihood method performs competitively and that the use of auxiliary information provides improved inferences.