Semiparametric Efficient Estimation for Incomplete Longitudinal Binary Data, With Application to Smoking Trends
不完整纵向二元数据的半参数有效估计及吸烟趋势应用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：摘要直接研究同一受试者的纵向二元重复观测及退出缺失，符合面板数据方向。
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…
不完整纵向二元数据的半参数有效估计及吸烟趋势应用
- 研究问题
- 在纵向二元数据存在并非完全随机的退出缺失时，如何对边际均值回归进行有效推断，避免常规估计方程失效？
- 方法与思路
- 作者在随机缺失退出下有效的逆概率加权估计方程类中，构造二元数据的半参数有效估计，并与简单估计量比较。
- 材料陈述的贡献
- 摘要称提供有效估计作为模拟效率基准；对美国青年队列十五年吸烟趋势的分析提示，既有报告可能夸大了下降幅度。
- 阅读关注点
- 核对退出随机缺失与观测概率条件、有效估计所需模型及计算成本，并检查吸烟趋势对缺失模型设定的敏感性。
- 阅读边界
- 所据为版本未注明的索引摘要；摘要未给出效率差距与趋势估计数值，关于既有下降幅度的判断限于所述队列分析。
原文摘要
Incomplete longitudinal data often are analyzed with estimating equations for inference on a parameter from a marginal mean regression model. Generalized estimating equations, although commonly used for incomplete longitudinal data, are invalid for data that are not missing completely at random. There exists a class of inverse probability weighted estimating equations that are valid under dropouts missing at random, including an easy-to-implement but inefficient member. A relatively computationally complex semiparametric efficient estimator in this class has been applied to continuous data. A specific form of this estimator is developed for binary data and used as a benchmark for assessing the efficiency of the simpler estimator in a simulation study. Both are applied in the estimation of 15-year cigarette smoking trends in the United States from a cohort of 5077 young adults. The results suggest that declines in smoking from previous reports have been exaggerated.