摘要: 在缺失数据分析中,通常存在 需要评估关键推断对偏离的敏感性 关于缺失数据过程的无法验证的假设。 这样的 敏感性分析通常需要指定缺失的数据模型 通常假设预测器的参数函数形式 怀念。 本文放松了参数假设 并研究广义加性缺失数据的使用 模型。 我们还考虑了非线性关系的可能性 在缺失和潜在缺失的结果之间,而 现有文献通常假设一个更受限的线性 关系。 为了避免计算复杂性,我们采用了一个索引 局部敏感性方法。 我们推导了 得到的半参数敏感性指数。 计算 索引很简单,完全避免了重复拟合的需要 半参数不可忽略模型。 仅根据 需要进行标准的软件分析 额外计算。 因此,半参数索引提供了 调整标准估计的快速稳健方法 不容忽视的缺失。 一项广泛的模拟研究是 评估错误指定缺失数据的影响 模型,并将所提方法的性能与 常用的参数化方法。 模拟研究 建议建议的方法有助于减少可能出现的偏差 从中预测器函数形式的错误指定 缺少的数据模型。 我们在工资报价中说明了这种方法 数据集。
关键词和短语: 广义可加模型,MNAR,不可忽略,半参数 联合选择模型,敏感性分析。