Ignorability for general longitudinal data
一般纵向数据的可忽略性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：摘要明确讨论协变量调整对因果效应的识别及其图形条件；纵向数据是理论背景，但未展开专门的面板估计方法。
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
一般纵向数据的可忽略性
- 研究问题
- 一般纵向数据中，哪些似然因子可以在推断时忽略，这种可忽略性与通过协变量调整识别因果效应有什么联系？
- 方法与思路
- 作者以图形条件“稳定性”刻画相关结构，建立不依赖缺失数据概念的可忽略性表述，并用多个例子说明如何评估稳定性。
- 材料陈述的贡献
- 摘要称可忽略性与协变量调整的因果识别紧密相关；稳定性发挥类似随机缺失条件的作用，但适用于一般纵向数据。
- 阅读关注点
- 阅读全文时应核对稳定性的正式定义、似然因子可忽略的判据，以及它与协变量调整识别之间关系的具体适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未提供图形判据和完整识别条件，不能据此认定某项实际分析可忽略相关因子。
原文摘要
Likelihood factors that can be disregarded for inference are termed ignorable. We demonstrate that close ties exist between ignorability and identification of causal effects by covariate adjustment. A graphical condition, stability, plays a role analogous to that of missingness at random, but is applicable to general longitudinal data. Our formulation of ignorability does not depend on any notion of missing data, so is appealing in situations where missing data may not actually exist. Several examples illustrate how stability may be assessed.