Partial and latent ignorability in missing-data problems
缺失数据问题中的部分可忽略性与潜在可忽略性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：摘要讨论缺失机制和潜类分析，未明确涉及因果效应或其他给定领域细分。
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
缺失数据问题中的部分可忽略性与潜在可忽略性
- 研究问题
- 当随机缺失假设不可信，但研究者认为部分缺失机制仍可忽略时，如何形式化这种局部可忽略性的判断？
- 方法与思路
- 作者区分部分随机缺失与潜在随机缺失两种假设，解释各自概念，并应用于存在题项不回应的调查问题潜类分析。
- 材料陈述的贡献
- 摘要明确提出两种不同的形式化路径，说明仅部分缺失可忽略并非单一概念；未报告一般识别定理或估计效率结果。
- 阅读关注点
- 应核对两种缺失假设的数学定义、可忽略部分的划分和潜变量作用，以及应用中的识别、似然处理与敏感性问题。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明两种假设的识别条件或可检验性，不能推断刊本变化。
原文摘要
When an assumption of missing at random is untenable, it becomes necessary to model missing-data indicators, which carry information about the parameters of the complete-data population. Within a given application, however, researchers may believe that some aspects of missingness are ignorable but others are not. We argue that there are two different ways to formalize the notion that only part of the missingness is ignorable. These approaches correspond to assumptions that we call partially missing at random and latently missing at random. We explain these concepts and apply them in a latent-class analysis of survey questions with item nonresponse.