论文摘要：该文考虑一半参数模型: 假设给定协变量下反映变量Y的条件密度是参数型而协变量分布完全未知. 在反映变量缺失时,定义了描述条件密度参数向量的似然imputation估计和半参数经验似然imputation估计, 证明了这两个估计的渐近正态性, 发现在利用辅助信息下, imputaion估计比CC估计更有效而不利用辅助信息时有相反的结果. 给出了参数向量与反映均值的半经验对数似然函数,并证明这两对数似然函数渐近加权卡方分布和刻度卡方分布.
在反映变量Y与协变量相关性研究中, 一些反映变量Y可能因为不同原因缺失,比如一些个体不愿提供所需要的信息,不可控因素产生信息损失,一些调研人员不能收集正确的信息等. Qin (2000, Biometrika)考虑一半参数模型,然而他的方法忽略缺失数据,因而在一些情况下有效率损失,本文发展多重impuation推断方法因而提高效率。
这是一篇与学生合作的论文, 已被接受将发表在国际顶级刊物《Biometrika》上。评审人认为本文是有趣的且部分结果是意想不到的。
论文题目: Semiparametric Model Based Inference In the Presence of Missing Responses
论文作者: 王启华 戴鹏杰
发表刊物: Biometrika
附件下载：
