On the stationary distribution of iterative imputations
迭代插补的平稳分布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：摘要研究通用缺失数据插补理论，未明确涉及所列领域细分中的专门问题。
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…
迭代插补的平稳分布
- 研究问题
- 逐变量条件插补中，当条件模型由数据反复估计时，其平稳分布与统计性质如何取决于条件模型之间的相容性？
- 方法与思路
- 作者区分条件模型族相容与不相容但有效两种情形，研究插补分布的总变差收敛及合并插补估计量的一致性。
- 材料陈述的贡献
- 摘要称，相容情形下给出收敛至某贝叶斯模型后验分布的充分条件；不相容但有效时，合并插补估计量具有一致性。
- 阅读关注点
- 应核对相容与有效的精确定义、缺失机制及收敛条件，并区分迭代平稳分布与合并估计量所针对的统计目标。
- 阅读边界
- 索引摘要版本未注明，未列出充分条件或缺失机制要求；不能把结论推广至任意条件模型组合，也不能推断刊本变化。
原文摘要
Iterative imputation, in which variables are imputed one at a time conditional on all the others, is a popular technique that can be convenient and flexible, as it replaces a potentially difficult multivariate modelling problem with relatively simple univariate regressions. In this paper, we begin to characterize the stationary distributions of iterative imputations and their statistical properties, accounting for the conditional models being iteratively estimated from data rather than being prespecified. When the families of conditional models are compatible, we provide sufficient conditions under which the imputation distribution converges in total variation to the posterior distribution of a Bayesian model. When the conditional models are incompatible but valid, we show that the combined imputation estimator is consistent.