Semiparametric optimal estimation with nonignorable nonresponse data
不可忽略无响应数据的半参数最优估计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：核心内容是一般缺失数据识别与半参数估计，使用面板调查数据不足以认定其研究面板计量方法。
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
不可忽略无响应数据的半参数最优估计
- 研究问题
- 当无响应机制并非随机缺失时，如何在参数化响应机制下确认模型可识别，并有效估计总体均值等目标参数？
- 方法与思路
- 作者提出不依赖工具变量假设的模型可识别性检验，并构造两种仅对响应机制施加模型假设的半参数最优估计量。
- 材料陈述的贡献
- 摘要称提出新的可识别性检验和两种最优估计量，讨论渐近性质，并通过模拟及韩国劳动与收入调查数据展示应用。
- 阅读关注点
- 应核对检验与可识别性之间的逻辑关系、响应机制的参数化限制、最优性的效率基准，以及模拟比较的具体设置。
- 阅读边界
- 依据OpenAlex索引摘要，稿件版本未注明；摘要未说明识别检验条件或最优性界限，不能将不使用工具变量理解为无需识别限制。
原文摘要
When the response mechanism is believed to be not missing at random (NMAR), a valid analysis requires stronger assumptions on the response mechanism than standard statistical methods would otherwise require. Semiparametric estimators have been developed under the parametric model assumptions on the response mechanism. In this paper, a new statistical test is proposed to guarantee model identifiability without using instrumental variable assumption. Furthermore, we develop optimal semiparametric estimation for parameters such as the population mean. Specifically, we propose two semiparametric optimal estimators that do not require any model assumptions other than the response mechanism. Asymptotic properties of the proposed estimators are discussed. An extensive simulation study is presented to compare with some existing methods. We present an application of our method using Korean labor and income panel survey data.