对有不可忽略的缺失数据的半参数估计方程的推断

讲座内容：对处理不在随机原理下缺失的数据在统计学中仍然是一个具有挑战性的问题。在这篇文章中，对不可忽略的缺失数据，我们提出了一种基于半参数模型的一般分类的倾向得分的非参数估算法。与现有的估算法相比，我们所提出的估算法更灵活，对于倾向得分，它不要求模型规范化，并且对含有未知参数的一般的参数模型可以得到它的一致估计。为得到参数一致估计的倾向得分，提出了两种方法：效度样本和半经验似然法。在MNAR的假设下，通过在一些校准条件中添加辅助信息，我们得到了基于SEL的有效并显著的估计。我们研究了基于已知或者估计的倾向得分参数估计的渐进性.实证研究表明错定的响应模估计具有稳健性。并运用随机模拟和实例分析来评估以上方法对于有限样本的可适用性。