工具變量方法處理不可忽略數(shù)據(jù)缺失的研究
發(fā)布時(shí)間:2021-01-07 14:03
缺失數(shù)據(jù)普遍存在于多個(gè)領(lǐng)域中.而不可忽略缺失數(shù)據(jù),即在給定觀察到的數(shù)據(jù)信息后數(shù)據(jù)缺失概率仍與缺失數(shù)據(jù)本身有關(guān),是最難處理的一類缺失數(shù)據(jù)問題.當(dāng)存在不可忽略數(shù)據(jù)缺失時(shí),Robins and Ritov(1997)證明了,為了識(shí)別所有的未知參數(shù),原始的數(shù)據(jù)模型和數(shù)據(jù)缺失概率模型中至少有一個(gè)模型需要具有參數(shù)形式.而即便存在參數(shù)模型假設(shè),參數(shù)模型也僅在一定的條件下才可識(shí)別.現(xiàn)階段,不可忽略缺失數(shù)據(jù)的可識(shí)別性問題仍然是一個(gè)棘手的問題.近些年來,Wang et al.(2014),Zhao and Shao(2015)和 Miao and Tchetgen Tchetgen(2016)在Tang et al.(2003)的基礎(chǔ)上提出基于“工具變量”的方法來解決模型可識(shí)別性的問題.這類工具變量方法也為不可忽略缺失數(shù)據(jù)的研究開辟了新的思路和方向.具體來說,工具變量的定義是一個(gè)與缺失概率模型無關(guān)但與數(shù)據(jù)模型有關(guān)的協(xié)變量向量.在滿足一定的條件下,工具變量可以幫助識(shí)別不可忽略缺失數(shù)據(jù)問題中的未知參數(shù)(Wang et al.,2014;Zhao and Shao,2015).本文的目的在于,從多個(gè)角度研究工具...
【文章來源】:華東師范大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:119 頁(yè)
【學(xué)位級(jí)別】:博士
【部分圖文】:
圖1-1本文的主要研宄內(nèi)容及邏輯圖??在處理高維協(xié)變量的表現(xiàn)并不穩(wěn)定.我們基于非參數(shù)核回歸方法和充分降維(sufficient??dimension?reduction,?SDR)方法,對(duì)偽似然方法進(jìn)行修正,以避免了對(duì)高維協(xié)變量的聯(lián)??合分布做?
【參考文獻(xiàn)】:
期刊論文
[1]Approximate Conditional Likelihood for Generalized Linear Models with General Missing Data Mechanism[J]. ZHAO Jiwei,SHAO Jun. Journal of Systems Science & Complexity. 2017(01)
本文編號(hào):2962692
【文章來源】:華東師范大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校
【文章頁(yè)數(shù)】:119 頁(yè)
【學(xué)位級(jí)別】:博士
【部分圖文】:
圖1-1本文的主要研宄內(nèi)容及邏輯圖??在處理高維協(xié)變量的表現(xiàn)并不穩(wěn)定.我們基于非參數(shù)核回歸方法和充分降維(sufficient??dimension?reduction,?SDR)方法,對(duì)偽似然方法進(jìn)行修正,以避免了對(duì)高維協(xié)變量的聯(lián)??合分布做?
【參考文獻(xiàn)】:
期刊論文
[1]Approximate Conditional Likelihood for Generalized Linear Models with General Missing Data Mechanism[J]. ZHAO Jiwei,SHAO Jun. Journal of Systems Science & Complexity. 2017(01)
本文編號(hào):2962692
本文鏈接:http://www.wukwdryxk.cn/shoufeilunwen/jckxbs/2962692.html
最近更新
教材專著