A Method-of-Moments Estimation Procedure for Categorical Quality-of-Life Data with Nonignorable Missingness
非可忽略缺失的分类生活质量数据矩估计程序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：摘要研究分类数据的非可忽略缺失与识别，未明确涉及选择行为、因果效应或面板结构。
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…
非可忽略缺失的分类生活质量数据矩估计程序
- 研究问题
- 对于多个独立群体的分类生活质量数据，如何在缺失不可忽略且群体共享缺失机制时建立可识别模型并进行估计？
- 方法与思路
- 作者提出矩估计程序，假定不同群体具有相同缺失机制，推导模型可识别的充要条件，并开展临床数据应用和模拟。
- 材料陈述的贡献
- 摘要称，文章给出该模型的识别充要条件和矩估计方法，应用于乳腺癌试验生活质量数据，并与最大似然估计比较。
- 阅读关注点
- 应核对共享缺失机制的含义与可信度、识别充要条件的具体表述，以及矩方程构造和与最大似然比较的模拟设定。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 索引摘要；识别条件的具体内容和比较结果未说明，不能推断矩估计更有效或更稳健。
原文摘要
Quality-of-life outcomes collected during clinical trials often have considerable amounts of missing data, which, if not appropriately accounted for, may lead to bias in inferences. We introduce a method-of-moments (MM) estimating procedure for a model designed to handle nonignorable missingness arising in categorical data measured on independent populations. The missingness mechanism is assumed to be the same across the populations. We derive necessary and sufficient conditions for the identifiability of the model and fit the model to quality-of-life data collected as part of a breast cancer clinical trial. We compare the MM estimator to the maximum likelihood estimator in a simulation study.