Multiply Robust Estimation in Regression Analysis With Missing Data
缺失数据回归中的多重稳健估计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：摘要研究一般缺失结局回归，未明确涉及因果效应、面板或其他所列细分。
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
缺失数据回归中的多重稳健估计
- 研究问题
- 当回归结局可能缺失，且缺失机制或数据分布难以准确建模时，如何容纳多个候选模型并保护估计一致性？
- 方法与思路
- 作者同时允许多个缺失机制与数据分布模型，用修正牛顿算法实现估计，并由渐近分布研究效率及改进方式。
- 材料陈述的贡献
- 摘要称任一候选模型正确即可保证一致性，且估计对极端拟合缺失概率较稳健，并以艾滋病临床试验数据应用。
- 阅读关注点
- 应核对多重稳健性的精确条件、各候选模型如何组合、极端概率下的稳定机制，以及效率改进所需的信息。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；缺失机制假设未说明，不能将多重稳健理解为所有模型错误时仍一致。
原文摘要
Doubly robust estimators are widely used in missing-data analysis. They provide double protection on estimation consistency against model misspecifications. However, they allow only a single model for the missingness mechanism and a single model for the data distribution, and the assumption that one of these two models is correctly specified is restrictive in practice. For regression analysis with possibly missing outcome, we propose an estimation method that allows multiple models for both the missingness mechanism and the data distribution. The resulting estimator is consistent if any one of those multiple models is correctly specified, and thus provides multiple protection on consistency. This estimator is also robust against extreme values of the fitted missingness probability, which, for most doubly robust estimators, can lead to erroneously large inverse probability weights that may jeopardize the numerical performance. The numerical implementation of the proposed method through a modified Newton–Raphson algorithm is discussed. The asymptotic distribution of the resulting estimator is derived, based on which we study the estimation efficiency and provide ways to improve the efficiency. As an application, we analyze the data collected from the AIDS Clinical Trials Group Protocol 175.