Regression Analysis with Covariates Missing at Random: A Piece-wise Nonparametric Model for Missing Covariates
Notice bibliographique
Résumé
Statistical analysis for the regression model f β(y | x, z) with missing values in the covariate vector X requires modeling of the covariate distribution g(x | z). Likelihood methods, including Ibrahim (1990 Ibrahim , J. G. ( 1990 ). Incomplete data in generalized linear models . J. Amer. Statist. Assoc. 85 : 765 – 769 .[Taylor & Francis Online], [Web of Science ®] , [Google Scholar]), Chen (2004 Chen , H. Y. (2004). Nonparametric and semiparametric models for missing covariates in parametric regression. J. Amer. Statist. Assoc. 99:1176–1189.[Taylor & Francis Online], [Web of Science ®] , [Google Scholar]), and Zhao (2005 Zhao , Y. ( 2005 ). Design and Efficient Estimation in Regression Analysis with Missing Data in Two-Phase Studies. Ph.D. thesis , University of Waterloo . [Google Scholar]), need either X or Z to be discrete. This article considers extending the likelihood methods to deal with cases where both X and Z may be continuous. We propose modeling the covariate distribution g(x | z) using a piece-wise nonparametric model, then a maximum likelihood estimate (MLE) of β can be computed following the maximum likelihood estimating procedure of Chen (2004 Chen , H. Y. (2004). Nonparametric and semiparametric models for missing covariates in parametric regression. J. Amer. Statist. Assoc. 99:1176–1189.[Taylor & Francis Online], [Web of Science ®] , [Google Scholar]) or Zhao (2005 Zhao , Y. ( 2005 ). Design and Efficient Estimation in Regression Analysis with Missing Data in Two-Phase Studies. Ph.D. thesis , University of Waterloo . [Google Scholar]). The resulting estimation method is easy to implement and the asymptotic properties of the MLE follow under certain conditions. Extensive simulation studies for different models indicate that the proposed method is acceptable for practical implementation. A real data example is used to illustrate the method.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,049 | 0,128 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,010 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».