Ignorability in General Incomplete-Data Models
一般不完全数据模型中的可忽略性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：摘要讨论不完全数据和粗化机制的可忽略性，没有处理分配、因果效应或所列其他细分问题的明确依据。
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
一般不完全数据模型中的可忽略性
- 研究问题
- 对于缺失之外的其他不完全数据形式，如何建立频率学派的可忽略性理论，并推广完全随机缺失条件？
- 方法与思路
- 作者扩展Heitjan–Rubin模型，将观测到的粗化程度明确作为数据元素，据此发展频率学派理论并讨论若干不完全数据问题。
- 材料陈述的贡献
- 摘要称该扩展补充了既有仅针对贝叶斯或似然推断的可忽略性结果，并给出完全随机缺失条件的推广。
- 阅读关注点
- 应核对粗化程度的定义及其观测方式、推广条件的具体内容，以及频率学派可忽略性与贝叶斯或似然可忽略性的区别。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex摘要；具体可忽略性条件与应用设定未说明，不能将其等同于因果推断中的处理可忽略性。
原文摘要
Rubin (1976) defined ignorability conditions for frequentist and Bayes/likelihood analyses of data subject to missing observations. More recently, Heitjan & Rubin (1991) and Heitjan (1993) generalised the Rubin model to encompass other forms of incompleteness, establishing ignorability conditions for Bayes/likelihood inferences only. This paper extends the Heitjan-Rubin model by explicitly defining the observed degree of coarseness as a data element. This permits the development of a frequentist theory, including a generalisation of ‘missing completely at random’, the frequentist ignorability condition for missing data. The model is applied in a number of incomplete-data problems of general interest.