Inference About Means from Incomplete Multivariate Data
不完整多元数据的均值推断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：摘要研究通用缺失数据均值推断，未涉及所列面板、因果或分布效应等具体方向。
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
不完整多元数据的均值推断
- 研究问题
- 面对不完整的多元正态样本，如何对均值的线性组合构造检验和置信区间，并权衡简化统计量的效率损失？
- 方法与思路
- 作者提出一类统计量，涵盖利用全部数据的最大似然方法与仅用完整观测的方法，并给出相对效率衡量方式。
- 材料陈述的贡献
- 摘要称该框架可辅助选择简化统计量；在一个变量有额外观测的二变量情形，提出近似 t 分布并开展模拟比较。
- 阅读关注点
- 应核对允许的缺失模式、似然构造所需条件、相对效率的定义，以及近似 t 分布和模拟结果适用的样本情形。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；缺失机制、近似误差及模拟结果未说明，不能将所述近似视为一般的精确推断。
原文摘要
A class of statistics g(v) is proposed for constructing tests and confidence intervals for a linear combination of means v using an incomplete multivariate normal sample. The class includes statistics based on maximum likelihood estimates for all the data, and simpler statistics such as those based on a subset of complete observations. A simple measure of relative efficiency is proposed to decide when a simpler statistic is appropriate. For the case of two variables with extra observations on one variable, approximate t distributions are suggested for some members of g, and resulting test statistics are compared in a simulation study.