Statistical Matching Using File Concatenation With Adjusted Weights and Multiple Imputations
利用调整权重与多重插补的文件拼接进行统计匹配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：摘要讨论多文件统计匹配、权重调整与多重插补，未说明特定因果目标、面板结构或其他所列领域的直接应用。
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
利用调整权重与多重插补的文件拼接进行统计匹配
- 研究问题
- 当任何单一数据文件都不包含推断所需的完整变量集合时，如何统计匹配多个文件，并展示结论对不可检验假设的敏感性？
- 方法与思路
- 作者回顾既有匹配方法，介绍将文件拼接、权重调整与多重插补结合的方案，并用人工示例展示构造匹配文件的过程。
- 材料陈述的贡献
- 摘要强调，这一方法能够展示推断对创建匹配文件时所用不可检验假设的敏感性；所示证据来自人工示例而非真实数据应用。
- 阅读关注点
- 阅读全文时核对不同文件共有与缺失的变量、调整权重和插补的具体规则，以及敏感性分析如何改变假设并反映到推断结果。
- 阅读边界
- 摘要未说明匹配所需假设、插补模型或不确定性的计算方法；展示敏感性不等于消除不可检验假设，也不足以保证匹配有效。
原文摘要
Statistically matched files are created in an attempt to solve the practical problem that exists when no single file has the full set of variables needed for drawing important inferences. Previous methods of file matching are reviewed, and the method of file concatenation with adjusted weights and multiple imputations is described and illustrated on an artificial example. A major benefit of this approach is the ability to display sensitivity of inference to untestable assumptions being made when creating the matched file.