A note on multiple imputation under complex sampling
复杂抽样下多重插补的一则研究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：摘要聚焦复杂抽样和缺失数据插补，未提供对应所列计量细分方向的明确应用或模型依据。
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…
复杂抽样下多重插补的一则研究
- 研究问题
- 在复杂调查抽样中处理项目无回答时，如何构造不要求抽样设计可忽略的多重插补程序，以支持参数估计和区间推断？
- 方法与思路
- 作者使用伪最大似然估计量的抽样分布构造参数后验，替代样本数据似然，并研究该多重插补方法的渐近性质。
- 材料陈述的贡献
- 摘要称，所提程序不依赖抽样设计可忽略假设；模拟中，无论设计是否可忽略，点估计无偏且区间覆盖有效。
- 阅读关注点
- 应核对伪似然如何纳入设计信息、抽样分布如何转化为参数后验，以及无回答机制和插补模型所需的具体条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；无回答假设、后验构造和模拟配置未说明，不能将模拟无偏性视为普遍理论保证。
原文摘要
Multiple imputation is popular for handling item nonresponse in survey sampling. Current multiple imputation techniques with complex survey data assume that the sampling design is ignorable. In this paper, we propose a new multiple imputation procedure for parametric inference without this assumption. Instead of using the sample-data likelihood, we use the sampling distribution of the pseudo maximum likelihood estimator to derive the posterior distribution of the parameters. The asymptotic properties of the proposed method are investigated. A simulation study confirms that the new procedure provides unbiased point estimation and valid confidence intervals with correct coverage properties whether or not the sampling design is ignorable.