混合缺失机制下纵向数据建模问题研究

发布时间：2021-05-12 02:06

　　我们主要关注于具有不可忽略的间断缺失和退出缺失的纵向数据研究中的估计问题.为了解决可识别性问题,我们选择了一个独立于时间的协变量作为缺失工具变量,其在给定其他协变量和响应变量的条件下和缺失倾向得分模型相互独立,这将确保缺失倾向得分模型的可识别性.缺失倾向得分模型被假设为一个参数型模型,其中的未知参数将由广义矩估计方法去估计.之后,我们利用逆概率加权的方法去估计响应变量的边际均值.此外,为了改善逆概率加权估计量的稳健性和效率,我们构造了增广逆概率加权估计量.逆概率加权估计量和增广逆概率加权估计量在缺失倾向得分模型被正确指定时均具有相合性和渐近正态性.模拟研究和一个实际数据分析显示我们所提出的方法在一些条件下可以产生较高效率的估计量. 

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：41 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 简介
    1.1 研究背景及其实例
    1.2 相关文献综述及近期研究成果
    1.3 研究动机
    1.4 论文后续安排
第2章 缺失倾向得分模型及其估计
    2.1 基本假设
    2.2 间断缺失倾向得分模型中的参数估计
    2.3 相应估计量的大样本性质及其证明
    2.4 退出缺失倾向得分模型中的参数估计
    2.5 相应估计量的大样本性质及其证明
第3章 响应变量均值的估计
    3.1 逆概率加权估计量和增广逆概率加权估计量的构造
    3.2 相应估计量的大样本性质及其证明
第4章 数值研究
    4.1 ACTG-193A数据集的分析
    4.2 模拟研究
第5章 结论
参考文献
致谢
在读期间发表的学术论文与取得的研究成果



本文编号：3182522