秦静;张彪;梁振英。 数据缺失问题的经验可能性。 (英语) 兹比尔1205.62147 美国统计协会。 104,第488号,1492-1503(2009). 摘要:数据缺失是医学和社会科学中普遍存在的问题。众所周知,仅基于完整数据的推断不仅可能会降低效率,而且如果数据不是完全随机丢失的(MCAR),也可能会导致有偏差的结果。由D.G.霍维茨和D.J.汤普森[美国法律总汇汇编第47663–685页(1952年;Zbl 0047.38301号)]当数据不是MCAR时,是一种流行的替代方法。然而,Horvitz-Thompson方法对反权重很敏感,可能会损失效率。本文针对缺失数据问题提出了一种统一的经验似然方法,并探讨了当估计方程数量大于未知参数数量时,使用经验似然来有效组合无偏估计方程。这种方法的一个重要特征是将完全数据无偏估计方程与不完全数据无偏估计方程分离。如果正确指定了丢失概率,则该方法可以实现半参数效率。仿真结果表明,该方法具有更好的有限样本性能。本文的补充材料,包括主要理论结果的证明和NHANES示例中使用的R代码,可在期刊网站上在线获取。 引用于1审查引用于26文件 MSC公司: 62N01号 审查数据模型 关键词:经验似然;估计函数;缺少数据;替代终点 引文:Zbl 0047.38301号 软件:对 PDF格式BibTeX公司 XML格式引用 \textit{J.Qin}等人,J.Am.Stat.Assoc.104,No.488,1492--1503(2009;Zbl 1205.62147) 全文: DOI程序 链接