Quasi-likelihood regression models with missing covariates
协变量缺失下的拟似然回归模型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：摘要研究一般缺失协变量的拟似然方法，随机效应和二项回归本身不足以确定面板数据或经济离散选择方向。
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
协变量缺失下的拟似然回归模型
- 研究问题
- 研究已知完整数据拟似然方程时，如何处理协变量缺失并保持估计方程无偏，以及所得估计相对极大似然的效率。
- 方法与思路
- 作者用给定观测数据的条件均值或无偏预测量替代方程中的缺失数据函数，应用于计数随机效应及过度离散二项回归。
- 材料陈述的贡献
- 摘要称提出了保持估计方程无偏的缺失协变量处理方法，讨论两个模型，并研究所得估计与极大似然估计的效率关系。
- 阅读关注点
- 应核对条件均值或无偏预测量如何获得、缺失机制与模型设定的要求，以及无偏方程如何转化为有效估计和推断。
- 阅读边界
- 仅据版本未注明的索引摘要，缺失机制及效率比较结论未说明；估计方程无偏不等于有限样本估计量必然无偏。
原文摘要
This paper presents methods to handle missing covariates when the quasi-likelihood equations for the complete data are available. Our suggestion is to replace the functions of the missing data appearing in the quasi-likelihood equation with their conditional means given the observed data or with unbiased predictors, so that the resulting equation is unbiased. We focus on two models. One is a random effects model for count data, where random effects are treated as missing covariates. The other is the overdispersed binomial regression model with partially missing covariates. We also investigate the efficiency of the proposed estimates relative to the maximum likelihood estimators.