Testable implications of outcome-independent missingness not at random in covariates
协变量中与结局独立的非随机缺失：可检验含义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：摘要研究分类数据缺失机制的可检验约束，未明确涉及因果效应、面板或其他所列专门领域。
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
协变量中与结局独立的非随机缺失：可检验含义
- 研究问题
- 当结局与协变量均为分类变量时，与结局条件独立的非随机缺失机制，会对观测数据分布施加哪些可检验约束？
- 方法与思路
- 作者将缺失机制的可检验含义写成若干线性方程组的相容性要求，并进一步推导更易评估、但限制更宽松的显式不等式。
- 材料陈述的贡献
- 摘要称推导了该分类变量设定下的全部可检验约束，使研究者能够通过观测分布违反约束来判断缺失假设遭到违反。
- 阅读关注点
- 应核对分类变量与缺失模式的适用范围、线性系统如何构造，以及显式不等式相较完整隐式约束遗漏了哪些限制。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断有限样本检验如何实施；约束未被违反也不足以确认缺失机制成立，刊本变化未提供。
原文摘要
Summary A common aim of empirical research is to regress an outcome on a set of covariates, when some covariates are subject to missingness. If the probability of missingness is conditionally independent of the outcome, given the covariates, then a complete-case analysis is unbiased for parameters conditional on covariates. We derive all testable constraints that such outcome-independent missingness not at random implies on the observed data distribution, for settings where both the outcome and covariates are categorical. By assessing if these constraints are violated for a particular observed data distribution, the analyst can infer whether the assumption of outcome-independent missingness not at random is violated for that distribution. The constraints are formulated implicitly, in terms of consistency requirements on certain linear equation systems. We also derive explicit inequality constraints that are more easily assessable, but also more permissive than the implicit constraints.