Large-sample theory for parametric multiple imputation procedures
参数化多重插补程序的大样本理论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：摘要讨论一般多重插补及EM理论，测量误差示例不足以确定所列领域细分。
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
参数化多重插补程序的大样本理论
- 研究问题
- 不同参数化多重插补程序的估计量具有怎样的渐近方差，插补次数和迭代停止位置如何影响其性质与效率比较？
- 方法与思路
- 作者推导多类参数化插补估计量的渐近方差结构，并用于分析随机EM、模拟EM及固定迭代与插补规模的情形。
- 材料陈述的贡献
- 摘要称，方差结果提供比较插补程序效率的基础，也帮助理解两类蒙特卡洛迭代估计量，并以测量误差问题说明。
- 阅读关注点
- 应核对插补模型与分析模型的关系、渐近极限中迭代次数和插补规模的处理，以及效率比较采用的基准。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未说明模型正确性要求、方差公式或有限样本效果，不能推断某类插补普遍最优。
原文摘要
We consider the asymptotic behaviour of various parametric multiple imputation procedures which include but are not restricted to the ‘proper’ imputation procedures proposed by Rubin (1978). The asymptotic variance structure of the resulting estimators is provided. This result is used to compare the relative efficiencies of different imputation procedures. It also provides a basis to understand the behaviour of two Monte Carlo iterative estimators, stochastic EM (Celeux & Diebolt, 1985; Wei & Tanner, 1990) and simulated EM (Ruud, 1991). We further develop properties of these estimators when they stop at iteration K with imputation size m. An application to a measurement error problem is used to illustrate the results.