Identification enhanced generalised linear model estimation with nonignorable missing outcomes
不可忽略结局缺失下强化识别的广义线性模型估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要聚焦非随机缺失与广义线性模型识别，现有细分标签缺少直接对应方向。
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…
不可忽略结局缺失下强化识别的广义线性模型估计
- 研究问题
- 当结局是否被观察依赖未观测变量时，如何识别并估计广义线性结局模型，同时减少对难以确定的工具变量的依赖？
- 方法与思路
- 作者在逻辑回归响应机制与广义线性结局模型下，对可观测部分建模并推导识别充分条件，另提出实践指引和敏感性分析。
- 材料陈述的贡献
- 摘要称所推导的识别充分条件无需工具变量，并以数值研究、韩国选举出口民调及家庭调查数据展示估计方法。
- 阅读关注点
- 应核对响应模型和结局模型的具体识别条件、模型误设风险，以及实践指引和敏感性分析如何约束不可观察的缺失机制。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；无需工具变量仍依赖模型限制，摘要未列出充分条件及误设下保证。
原文摘要
Missing data often result in undesirable bias and loss of efficiency. These issues become substantial when the response mechanism is nonignorable, meaning that the response model depends on unobserved variables. To manage nonignorable nonresponse, it is necessary to estimate the joint distribution of unobserved variables and response indicators. However, model misspecification and identification issues can prevent robust estimates, even with careful estimation of the target joint distribution. In this study, we modeled the distribution of the observed parts and derived sufficient conditions for model identifiability, assuming a logistic regression model as the response mechanism and generalized linear models as the main outcome model of interest. More importantly, the derived sufficient conditions do not require any instrumental variables, which are often assumed to guarantee model identifiability but cannot be practically determined beforehand. To analyze missing data in applications, we propose practical guidelines and sensitivity analysis to determine the response mechanism. Furthermore, we present the performance of the proposed estimators in numerical studies and apply the proposed method to two sets of real data: exit polls from the 19th South Korean election and public data collected from the Korean Survey of Household Finances and Living Conditions.