Imputation of Missing Values When the Probability of Response Depends on the Variable Being Imputed
回应概率依赖待插补变量时的缺失值插补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：摘要研究非随机缺失与工资插补，未明确涉及所列因果、分布效应或结构估计方法。
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…
回应概率依赖待插补变量时的缺失值插补
- 研究问题
- 当调查回应概率取决于待插补变量本身时，如何在缺失值插补中纳入回应机制，并改善未回应者工资的预测？
- 方法与思路
- 作者将缺失问题表述为因变量遭受随机删失的回归参数估计，采用预测式插补，并以未回应者的税务工资数据比较结果。
- 材料陈述的贡献
- 摘要称在当前人口调查工资插补应用中，考虑随机删失的方法优于忽略回应机制的预测方法，但未给出改善幅度。
- 阅读关注点
- 应核对回应机制与工资回归的具体设定、参数可识别性、税务数据的匹配方式，以及插补准确性的评价指标。
- 阅读边界
- 仅据版本未注明的索引摘要，不能判断方法对回应机制误设的稳健性；摘要未说明识别所需信息、假设或比较数值。
原文摘要
A method is developed for imputing missing values when the probability of response depends upon the variable being imputed. The missing data problem is viewed as one of parameter estimation in a regression model with stochastic censoring of the dependent variable. The prediction approach to imputation is used to solve this estimation problem. Wages and salaries are imputed to non-respondents in the Current Population Survey and the results are compared to the nonrespondents' IRS wage and salary data. The stochastic censoring approach gives improved results relative to a prediction approach that ignores the response mechanism.