Robustness to missing data: breakdown point analysis
缺失数据稳健性：崩溃点分析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：摘要的核心是适用于一般 GMM 结论的缺失数据稳健性方法，随机实验仅为应用，尚不足以限定到某一细分。
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
缺失数据稳健性：崩溃点分析
- 研究问题
- 当数据缺失机制并非随机时，需要多强的选择偏差才能推翻不完整样本所得结论，如何简洁量化这种稳健性？
- 方法与思路
- 作者用完整与不完整观测分布间的散度衡量选择，将推翻结论所需的最小选择程度定义为崩溃点，并估计其置信下界。
- 材料陈述的贡献
- 摘要称，所提崩溃点估计量具有 n 一致性和渐近正态性，可用于满足条件的 GMM 模型，并以模拟及流失实验说明。
- 阅读关注点
- 应核对散度方向与定义、何谓结论被推翻、n 一致性的具体含义，以及 GMM 条件如何支持崩溃点估计与置信下界。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，散度类型、正则条件及稳健性数值未说明；崩溃点也不直接证明实际缺失机制足够温和。
原文摘要
Missing data is pervasive in econometric applications, and rarely is it plausible that the data are missing (completely) at random. This paper proposes a methodology for studying the robustness of results drawn from incomplete datasets. Selection is measured as the divergence from the distribution of complete observations to the distribution of incomplete observations. The breakdown point is defined as the minimal amount of selection needed to overturn a given result. Reporting point estimates and lower confidence intervals of the breakdown point is a simple, concise way to communicate the robustness of a result. An estimator of the breakdown point is proposed and shown n-consistent and asymptotically normal. This estimator can be applied directly to conclusions drawn from any model identified with the generalized method of moments (GMM) that satisfies mild assumptions. Simulations demonstrate the finite sample performance of the breakdown point estimator on averages, linear regression, and logistic regression. The methodology is illustrated by estimating the breakdown point of conclusions drawn from several randomized controlled trails suffering from missing data due to attrition.