Inference for Multivariate Regression Model Based on Synthetic Data Generated Using Plug-in Sampling
基于代入抽样合成数据的多元回归推断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：摘要研究一般多元回归的合成数据推断，人口调查仅作为应用，未说明因果、面板或其他所列细分目标，故不作归类。
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…
基于代入抽样合成数据的多元回归推断
- 研究问题
- 在多元回归中，以原始数据的参数估计值生成单份或多份合成数据后，如何据此开展似然推断并构造精确检验程序？
- 方法与思路
- 作者采用代入抽样，将模型未知参数替换为原数据的点估计后生成合成数据，推导似然型精确推断，并用模拟及人口调查展示。
- 材料陈述的贡献
- 摘要称提供单份和多份合成数据的精确检验，比较多份情形下的既有渐近方法，并评估非正态及离散变量下的经验表现。
- 阅读关注点
- 应核对精确推断所需分布条件、合成生成机制及份数的作用，并区分满足理论条件时的保证与条件失效时的模拟表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未列精确性条件，非正态和离散情形的良好表现不能视为同样的精确推断保证。
原文摘要
In this article, the authors derive the likelihood-based exact inference for singly and multiply imputed synthetic data in the context of a multivariate regression model. The synthetic data are generated via the Plug-in Sampling method, where the unknown parameters in the model are set equal to the observed values of their point estimators based on the original data, and synthetic data are drawn from this estimated version of the model. Simulation studies are carried out in order to confirm the theoretical results. The authors provide exact test procedures, which in case multiple synthetic datasets are permissible, are compared with the asymptotic results of Reiter. An application using 2000 U.S. Current Population Survey public use data is discussed. Furthermore, properties of the proposed methodology are evaluated in scenarios where some of the conditions that were used to derive the methodology do not hold, namely for nonnormal and discrete distributed random variables, cases in which the inferential procedures developed still show very good performances.