安娜·西科夫 对不可忽视的不回应方法的简要回顾。 （英语） Zbl 07763612号 国际统计版次。 86，第3期，415-441（2018）. 摘要：虽然有许多方法可以处理不可忽略的非响应，但关于不可忽略非响应的文献却有点稀少。在本文中，我们回顾了缺失数据插补和存在缺失数据时参数估计的主要方法。我们几乎完全专注于适用于非响应不是随机缺失的情况的方法，因此响应的概率取决于缺失的变量。在这种情况下，不能忽略非响应。我们讨论了项目无应答，其中缺失仅出现在结果变量中，而辅助（解释）变量则同时出现在应答者和非应答者以及单位无应答中，其中既没有观察到结果变量，也没有观察到非应答者的协变量。我们还举例说明了所描述的一些方法的应用，并使用实际数据集比较了它们的性能。{©2018 The Authors.International Statistical Review©2018国际统计研究所} 引用于2文件 MSC公司： 62至XX 统计 关键词：不可忽视的无响应;响应概率;受访者分布;无响应分布;无反应机制;多重插补 软件：WinBUGS公司;微病毒感染 PDF格式BibTeX公司 XML格式引用 \textit{A.Sikov}，国际统计版次86，第3期，415--441（2018；Zbl 07763612） 全文： 内政部 参考文献： [1] 艾伯特，P.S.（2000）。具有不可忽略缺失数据的纵向二进制数据的过渡模型。生物统计学，56，602-608·Zbl 1060.62572号 [2] Andridge，R.R.和Little，R.J.A（2010年）。审查调查无响应的热卡插补。Int.Stat.修订版，78，40-64。 [3] Baker，S.G.（1995）。重复二进制数据的边际回归，结果受不可忽视的非响应影响。生物统计学，51，1042-1052·Zbl 0875.62490号 [4] Beaumont，J.F.（2000年）。一种不可忽略无响应的估计方法。Surv公司。Metodol公司。，26, 131-136. [5] 伯利恒，J.（2002年）。对不可忽视的无响应进行加权调整。《调查无回应》，R.M.Groves（编辑）、D.A.Dillman（编辑），J.L.Eltinge（编辑）和R.J.Little（编辑）编辑，第275-288页。纽约：Wiley。 [6] Brown，C.H.（1990）。防止纵向研究中的非随机缺失数据。生物统计学，46，143-157·Zbl 0718.62215号 [7] Carpenter，J.R.、Kenward，M.G.和Vansteelandt，S.（2006年）。缺失数据分析中多重插补和双重稳健估计的比较。J.R.统计社会服务。A.，第169页，第571-584页。 [8] Carpenter，J.R.和Kenward，M.G.（2013年）。多重插补及其应用。奇切斯特：John Wiley&Sons·Zbl 1352.62008年 [9] Chambers，R.L.，Steel，D.G.，Wang，S.&Welsh，A.（2012年）。抽样调查的最大似然估计。佛罗里达州博卡拉顿：查普曼和霍尔·Zbl 1275.62020号 [10] Chang，T.&Kott，P.S.（2008）。在合理的模型下，使用校准权重调整无响应。生物特征，95，555-571·Zbl 1437.62411号 [11] 库克·R.D.（1986）。评估当地影响。R.Stat.Soc.序列。B.，第48页，第133-169页·Zbl 0608.62041号 [12] Copas，J.和Li，H.（1997）。非随机样本的推断（带讨论）。J.R.统计社会服务。B.，59，55-95·Zbl 0896.62003号 [13] Cowles，M.K.、Carlin，B.P.和Connett，J.E.（1996年）。具有不可忽视遗漏的纵向序贯临床试验依从性数据的贝叶斯-tobit模型。J.Amer。统计师。协会，91，86-98·Zbl 0870.62083号 [14] Daniels，M.J.和Hogan，J.W.（2008年）。纵向研究中的缺失数据：贝叶斯建模和敏感性分析策略博卡拉顿：查普曼和霍尔·Zbl 1165.62023号 [15] Daniels，M.J.、Jackson，D.、Feng，W.和White，I.R.（2015）。重复尝试设计分析的模式混合模型。生物统计学，71，1160-1167·Zbl 1419.62332号 [16] Deville，J.C.（2000年）。无响应加权的通用校准和应用。摘自COMPSTAT:《计算统计学报》，第14届研讨会，荷兰乌得勒支（J.G.Bethlehem（ed.）和P.G.M.van derHeijden（eds.），Springer‐Verlag，纽约·Zbl 1455.62038号 [17] Diggle，P.和Kenward，M.G（1994年）。纵向数据分析中的信息缺失。J.R.统计社会服务。C.，第43页，第49-73页·Zbl 0825.62010号 [18] Fitzmaurice，G.M.和Laird，N.M.（2000年）。处理纵向研究中不可忽视辍学的广义线性混合模型。生物统计学，141-156·Zbl 0959.62104号 [19] Fitzmaurice，G.M.、Molenberghs，G.&Lipsitz，S.R.（1995）。具有信息缺失的纵向二进制响应的回归模型。R.Stat.Soc.序列。B.，第57页，第691-704页·Zbl 0827.62060号 [20] Gad，A.M.（2011）。具有不可忽略非单调缺失值的纵向数据的选择模型。数据科学杂志。，9, 171-180. [21] Glynn，R.、Laird，N.和Rubin，D.B.（1986年）。选择模型与具有不可忽视无响应的混合模型。《从自选样本中进行推断》，第115-142页。纽约：Springer‐Verlag。 [22] Glynn，R.J.、Laird，N.M.和Rubin，D.B（1993年）。混合模型中不可忽视无应答的多重插补及随访。J.Amer。统计师。协会，88，984-993·Zbl 0780.62011号 [23] Graham，J.W.、Olchowski，A.E.和Gilreath，T.D.（2007年）。实际需要多少插补？多重归责理论的一些实际澄清。上一页。科学。，8, 206-213. [24] Greenlees，J.S.、Reece，W.S.和Zieschang，K.D（1982）。当响应概率取决于被估算的变量时，缺失值的估算。J.Amer。统计师。协会，77，251-261。 [25] Heckman，J.I.（1976年）。截断、样本选择和有限因变量统计模型的常见结构，以及此类模型的简单估计。《经济学年鉴》。Soc.Meas.公司。，5, 475-492. [26] 赫克曼，J.J.（1979）。样本选择偏差作为规范错误。《计量经济学》，第47期，第153-161页·Zbl 0392.62093号 [27] Hogan，J.W.和Laird，N.M.（1997年a）。重复测量和事件时间联合分布的混合模型。《统计医学》，第16卷，第239-257页。 [28] Hogan，J.W.，Lin，X.B.和Herman，B.（2004）。具有离散或连续不可忽略丢失的纵向数据的变系数模型的混合。生物统计学，60854-864·Zbl 1274.62790号 [29] Horton，N.J.&Lipsits，S.R.（1999年）。综述用于拟合广义估计方程回归模型的软件。美国统计局，53，160-169。 [30] 霍维茨·D.G.和汤普森·D.J.（1952）。从有限宇宙中不替换抽样的推广。J.Amer。统计师。协会，47，663-685·Zbl 0047.38301号 [31] Ibrahim，J.G.和Lipsitz，S.R（1996年）。当缺失数据机制不可忽略时，二项回归中不完全数据的参数估计。生物统计学，521071-1078·Zbl 0875.62334号 [32] Ibrahim，J.G.，Ming‐Hui，C.和Lipsitz，S.R（2001）。当缺失数据机制不可忽略时，广义线性混合模型中的缺失响应。生物特征，88，551-564·Zbl 0984.62047号 [33] Jansen，I.、Hens，N.、Molenberghs，G.、Aerts，M.、Verbeke，G.和Kenward，M.G.（2006年）。缺失非随机模型的敏感性本质。计算。统计数据An.，50，830-858·Zbl 1431.62497号 [34] Jansen，I.和Molenberghs，G（2008年）。针对非单调缺失数据的灵活边际建模策略。J.R.统计社会服务。公元171347-373年。 [35] Jansen，I.和Molenberghs，G.（2010年）。非单调缺失分类结果的模式混合模型。J.统计计算。模拟。，邮编：8021279-1296·Zbl 1432.62363号 [36] Kenward，M.G.（1998年）。非随机丢失重复测量的选择模型：灵敏度说明。《Stat.Med.》，第17卷，第2723-2732页。 [37] Kenward，M.G.，Molenberghs，G.&Thijs，H.（2003）。具有适当时间依赖性的模式混合模型。生物特征，90，53-71。辍学：敏感性说明。Stat.Med.17，2723-2732·Zbl 1035.62112号 [38] Kurland，B.F.&Heagerty，P.J.（2004）。具有可忽略和不可忽略退出的纵向二进制数据的边缘化转换模型。《Stat.Med.》，第23卷，第2673-2695页。 [39] Li，J.、Yang，X.、Wu，Y.和Shoptaw，S.（2007）。具有不可忽略缺失值的泊松分布重复测度的随机效应马尔可夫转移模型。《统计医学》，第26卷，第2519-2532页。 [40] Little，R.J.A.（1982年）。抽样调查中的无应答模型。J.Amer。统计师。协会，77，237-250·Zbl 0494.62009号 [41] Little，R.J.A.（1993年）。多元不完全数据的模式混合模型。J.Amer。统计师。协会，88，125-134·兹伯利0775.62134 [42] Little，R.J.A.（1994年）。一类正态不完全数据的模式混合模型。生物特征，81，471-483·Zbl 0816.62023号 [43] Little，R.J.A.（1995年）。对重复测量研究中的退出机制进行建模。J.Amer。统计师。协会，90，1112-1121·Zbl 0841.62099号 [44] Little，R.J.A.和Rubin，D.B.（2002年）。缺失数据的统计分析。纽约：Wiley·Zbl 1011.62004号 [45] Little，R.J.A.和Wang，Y.（1996年）。具有协变量的多元不完全数据的模式混合模型。生物统计学，52，98-111·Zbl 0875.62273号 [46] Lunn，D.J.、Thomas，A.、Best，N.和Spiegelholter，D.（2000年）。WinBUGS-贝叶斯建模框架：概念、结构和可扩展性。统计计算。，10, 325-337. [47] Mason，A.、Richardson，S.&Best，N.（2012年）。使用DIC比较选择模型与不可忽视的缺失响应的双管齐下策略。贝叶斯分析。，7, 109-146. ·Zbl 1330.62092号 [48] Meng，X.L.（1994）。输入来源不一致的多重插补（讨论）。统计科学。，9, 538-574. [49] Michiels，B.、Molenberghs，G.、Bijnens，L.和Vangeneugden，T.（2002）。选择模型和模式混合模型，用于分析可能辍学的纵向生活质量数据。《统计医学》，第21期，第1023-1041页。 [50] Molenberghs，G.、Beunckens，C.、Sotto，C.和Kenward，M.G.（2008年）。每个缺失的非随机模型都有一个缺失的随机对应，具有相等的拟合度。J.R.统计社会服务。B.，70，371-388·Zbl 1148.62046号 [51] Nandram，B.和Choi，J.W.（2002年）。具有可忽略性不确定性的小区域二进制数据的分层贝叶斯无响应模型。J.Amer。统计师。协会，97，381-388·Zbl 1073.62600号 [52] Nandram，B.和Choi，J.W.（2010年）。在不可忽视的无反应和选择下，对小范围体重指数数据进行贝叶斯分析。J.Amer。统计师。协会，105120-135·Zbl 1397.62463号 [53] Nielsen，S.F.（2003年）。适当和不当多重插补。国际统计版次，71，593-627·Zbl 1114.62323号 [54] Peres，M.（2010年）。使用可变响应倾向修正调查无响应。J.Amer。统计师。协会，105，1418-1430·兹比尔1388.62016 [55] Pfeffermann，D.&Sikov，A.（2011年）。缺失协变量信息的家庭调查中不可忽视的无应答下的插补和估计。J.属于。《统计》，第27卷，第181-209页。 [56] Qin，J.，Leung，D.和Shao，J.（2002）。在不可忽视的无响应或信息抽样下使用调查数据进行估计。J.Amer。统计师。协会，97，193-200·Zbl 1073.62513号 [57] Qin，J.、Shao，J.和Zhang，B.（2008）。协变量相关缺失响应的高效双稳健插补。J.Amer。统计师。协会，103，797-810·Zbl 1471.62256号 [58] Rizopoulos，D.、Verbeke，G.和Molenberghs，G.（2008）。随机效应错误指定下的共享参数模型。生物特征，95，63-74·Zbl 1437.62592号 [59] Robins，J.M.（1997）。用于分析非单调不可忽略缺失数据的非响应模型。《统计医学》，第16卷，第23-37页。 [60] Robins，J.、Rotnitzky，A.和Zhao，L.P.（1995）。缺失数据下重复结果的半参数回归模型分析。J.Amer。统计师。协会，90，106-121·Zbl 0818.62042号 [61] Robins，J.和Wang，N.（2000年）。插补估计量的推论。《生物统计学》，第87期，第113-124页·Zbl 0974.62016 [62] Rotnitzky，A.、Robins，J.M.和Scharfstein，D.O.（1998年）。具有不可忽略无反应的重复结果的半参数回归。J.Amer。统计师。协会，93，1321-1339·兹比尔1064.62520 [63] Rosenbaum，P.R.&Rubin，D.B.（1983年）。倾向评分在治疗效果的观察性研究中的中心作用。生物特征，70，41-55·Zbl 0522.62091号 [64] Roy，J.和Daniels，M.J.（2008年）。一类具有许多可能的丢失时间的不可忽略丢失的模式混合模型。生物统计学，64，538-545·Zbl 1137.62016年 [65] Royston，P.（2004年）。缺失值的多重插补。STATA J.，4227-241。 [66] 鲁宾，D.B.（1976）。推断和缺失数据。《生物统计学》，63，581-590·Zbl 0344.62034号 [67] 鲁宾，D.B.（1977）。在抽样调查中规范关于无应答者影响的主观概念。J.Amer。统计师。协会，72，538-543·Zbl 0369.62011年 [68] 鲁宾，D.B.（1978）。抽样调查中的多重插补。《美国统计协会调查研究方法汇编》，第20-34页。 [69] 鲁宾，D.B.（1987）。调查中无应答的多重插补。纽约：Wiley·2007年6月10日 [70] 鲁宾，D.B.（1996）。18年以上的多重插补（讨论）。J.Amer。统计师。协会，91，473-489·Zbl 0869.62014年 [71] Särndal，C.E.&Swensson，B.（1987）。选择的两个阶段的估计概况，以及应用于两相采样和无响应。国际统计版次，55，279-294·Zbl 0637.62011号 [72] Schafer，J.L.（1997）。不完全多元数据分析。伦敦：查普曼和霍尔·Zbl 0997.62510号 [73] Schafer，J.L.&Schenker，N.（2000年）。用插补条件平均数进行推理。J.Amer。统计师。协会，95，144-154·兹比尔1014.62023 [74] Tang，T.、Little，R.J.A.和Raghunathan，T.E.（2003）。不可忽视无反应的多元缺失数据分析。生物特征，90747-764·Zbl 1436.62206号 [75] Thijs，H.、Molenberghs，G.、Michiels，B.、Verbeke，G.和Curran，D.（2002年）。适合模式混合模型的策略。生物统计学，3245-265·Zbl 1133.62371号 [76] Thijs，H.、Molenberghs，G.和Verbeke，G.（2000年）。牛奶蛋白试验：辍学过程的影响分析。《生物医学杂志》，42，617-646·Zbl 0986.62098号 [77] Troxel，A.B.、Harrington，D.P.和Lipsitz，S.R.（1998年）。具有不可忽视的非单调缺失值的纵向数据分析。申请。统计，47，425-438·Zbl 0905.62113号 [78] Troxel，A.B.、Ma，G.和Heitjan，D.F（2004）。对不可忽视性的局部敏感性指数。Stat.Sinica，第14期，1221-1237页·Zbl 1060.62080号 [79] Tsiatis，A（2006）。半参数理论和缺失数据。纽约：斯普林格·Zbl 1105.6202号 [80] Verbeke，G.和Molenberghs，G.（2000年）。纵向数据的线性混合模型。纽约：斯普林格·Zbl 0956.62055号 [81] Verbeke，G.、Molenberghs，G.，Thijs，H.、Lesaffre，E.和Kenward，M.G.（2001年）。非随机辍学的敏感性分析：一种局部影响方法。生物统计学，57，7-14·Zbl 1209.62170号 [82] Verbeke，G.、Fieuws，S.、Molenberghs，G.和Davidian，M.（2014）。多元纵向数据分析：综述。统计方法医学研究，23，42-59。 [83] Wang，C.和Daniels，M.J.（2011年）。关于MAR的注释，识别限制，模型比较，以及不完整数据中带有或不带有协变量的模式混合模型的敏感性分析。生物统计学，67，810-818·Zbl 1272.62096号 [84] White，I.R.、Royston，P.和Wood，A.M.（2011年）。使用链式方程的多重插补：实践问题和指南。《统计医学》，第30卷，第377-399页。 [85] Wu，M.C.&Bailey，K.R.（1989）。信息权审查中变化的估计和比较：条件线性模型。生物统计学，45939-955·Zbl 0715.62123号 [86] Wu，M.C.和Carroll，R.J.（1988）。通过对审查过程建模，估计和比较信息权审查中的变化。生物计量学，44175-188·Zbl 0707.62210号 [87] 张平（2003）。多重插补：理论与方法。国际统计版次，71（3），279-294。 [88] Zhu，H.、Ibrahim，J.G.和Tang，N.（2014）。缺失数据统计模型的贝叶斯灵敏度分析。中国统计局，24871-896·Zbl 1285.62029号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。