相关辅助缺失数据估计器
蒂莫西·I·坎宁斯（Timothy I.Cannings）、范莹莹（Yingying Fan）; 23(41):1−49, 2022.
摘要
我们引入了一种新的方法来解决缺失数据环境中的估计问题。我们的建议——相关性辅助缺失数据（CAM）估计器——通过利用具有缺失特征的观测值与没有缺失特征的观察值之间的关系进行工作，以获得更高的预测精度。特别是，我们的理论结果阐明了在一系列估计问题中，所提出的CAM估计比广泛使用的完备方法具有更低的均方误差的一般条件。我们详细展示了如何将CAM估计量应用于$U$-Statistics，以获得一个无偏、渐近高斯估计量，该估计量的方差小于完备的$U$-Statistic。此外，在非参数密度估计和回归问题中，我们使用核函数构造了CAM估计，并表明它比相应的完备核估计具有更低的渐近均方误差。我们还使用CRAN提供的模拟数据、Terneuzen出生队列和Brandsma数据集，在整个论文中进行了实际演示。
[腹肌]
[pdf格式][围兜]
