Minimax-regret sample design in anticipation of missing data, with application to panel data
预期存在缺失数据时的最小最大遗憾样本设计：面板应用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：摘要明确分析存在样本流失的面板数据，并比较面板调查与重复横截面调查的设计选择。
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
预期存在缺失数据时的最小最大遗憾样本设计：面板应用
- 研究问题
- 预先知道调查可能无响应或面板流失时，如何在成本与数据质量不同的抽样方案之间选择，以服务后续预测？
- 方法与思路
- 作者在平方损失下采用最小最大遗憾准则，不对未观测结果施加限制，分析面板流失及面板与重复截面的选择。
- 材料陈述的贡献
- 摘要将最小最大遗憾样本设计用于预期缺失数据的情形，并报告面板中线性函数和指示函数预测的分析结果。
- 阅读关注点
- 应核对可选抽样过程、成本约束、遗憾基准与未知结果集合，以及面板和重复截面比较所依赖的信息结构。
- 阅读边界
- 仅依据所给出版社摘要；具体设计规则和比较结果未说明，不限制未观测结果也不意味着整个分析无需其他设定。
原文摘要
Missing data problems are ubiquitous in data collection. In surveys, these problems may arise from unit response, item nonresponse, and panel attrition. Building on the Dominitz and Manski (2017) study of choice between two or more sampling processes that differ in cost and quality, we study minimax-regret sample design in anticipation of missing data, where the collected data will be used for prediction under square loss of the values of functions of two variables. The analysis imposes no assumptions that restrict unobserved outcomes. Findings are reported for prediction of the values of linear and indicator functions using panel data with attrition. We also consider choice between a panel and repeated cross sections.