A mean score method for missing and auxiliary covariate data in regression models
回归中缺失及辅助协变量数据的平均得分法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：摘要研究缺失协变量的通用回归方法，未明确提出因果识别或所列其他专门问题。
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…
关注这篇论文的作者
回归中缺失及辅助协变量数据的平均得分法
- 研究问题
- 当全部对象仅有不完整或辅助协变量，而验证子样本具有真实协变量时，如何进行回归估计并合理设计验证样本？
- 方法与思路
- 作者推广平均得分方法，对可用数据与缺失数据间的关联采用非参数处理，允许缺失依赖已观测响应及协变量，并推导渐近理论。
- 材料陈述的贡献
- 摘要称，该方法适用于队列和病例对照设计；渐近方差表达式帮助理解性能，并为验证子样本的最优抽样策略提供依据。
- 阅读关注点
- 应核对缺失与验证抽样机制、条件得分的估计方式，以及两种研究设计下的方差计算和最优抽样所需信息。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不能把允许依赖已观测变量理解为允许任意非随机缺失，具体条件及抽样规则未给出。
原文摘要
We consider regression analysis when incomplete or auxiliary covariate data are available for all study subjects and, in addition, for a subset called the validation sample, true covariate data of interest have been ascertained. The term auxiliary data refers to data not in the regression model, but thought to be informative about the true missing covariate data of interest. We discuss a method which is nonparametric with respect to the association between available and missing data, allows missingness to depend on available response and covariate values, and is applicable to both cohort and case-control study designs. The method previously proposed by Flanders & Greenland (1991) and by Zhao & Lipsitz (1992) is generalised and asymptotic theory is derived. Our expression for the asymptotic variance of the estimator provides intuition regarding performance of the method. Optimal sampling strategies for the validation set are also suggested by the asymptotic results.