Modeling Nonignorable Nonresponse in Categorical Panel Data With an Example in Estimating Gross Labor-Force Flows
分类面板数据中的不可忽略无回答：劳动力总流量估计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：摘要明确研究同一受访者被重复访问的分类面板数据，并处理跨期无回答与劳动力状态转移，直接对应面板数据方向。
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
分类面板数据中的不可忽略无回答：劳动力总流量估计
- 研究问题
- 如何在分类面板调查中处理跨期的非随机无回答，尤其当无回答取决于缺失状态时，估计劳动力参与的总流量？
- 方法与思路
- 作者建立允许无回答概率依赖缺失目标变量的分类数据模型，用最大似然拟合，并应用于美国和加拿大劳动力调查。
- 材料陈述的贡献
- 摘要提出针对不可忽略无回答的分类面板建模方法，并展示其用于劳动力状态间总流量估计的应用，未报告具体改善幅度。
- 阅读关注点
- 应核对缺失机制如何参数化、哪些限制支持识别、似然如何处理未观测状态，以及劳动力流量估计对模型设定的敏感性。
- 阅读边界
- 所给OpenAlex摘要未说明不可忽略缺失模型的识别条件、估计数值或敏感性分析，不能仅凭最大似然方法确认流量估计可靠。
原文摘要
Many large-scale sample surveys use panel designs under which sampled individuals are interviewed several times before being dropped from the sample. The longitudinal data bases available from such surveys could be used to provide estimates of gross change over time. One problem in using these data to estimate gross change is how to handle the period-to-period nonresponse. This nonresponse is typically nonrandom and, furthermore, may be nonignorable in that it cannot be accounted for by other observed quantities in the data. Under the models proposed in this article, which are appropriate for the analysis of categorical data, the probability of nonresponse may be taken to be a function of the missing variable of interest. The proposed models are fit using maximum likelihood estimation. As an example, the method is applied to the problem of estimating gross flows in labor-force participation using data from the Current Population Survey and the Canadian Labour Force Survey.