海量数据下多指标含大量缺失的因果推断

因果推断中,常存在大量的缺失数据,特别是当协变量和结局变量都存在着缺失数据问题,如果处理不好,获得的估计可能会存在着偏误。文章在基于倾向评分逆概加权方法估计处理效应的基础上,调整权重为不只是倾向评分加权,还有协变量的缺失机制和结局变量缺失机制的加权,给出处理效应估计方法。应用delta方法给出估计量的渐近方差,借助模拟研究验证了因果效应估计量及其渐近方差估计的正确性和可行性,并与传统方法做比较,本文得到的估计量的Bias和MSE都较优于传统方法。

响应变量缺失下基于协变量平衡下的变系数模型的经验似然推断

在实际问题中时常会遇到缺失数据的问题,这时已有的处理完全观测数据的统计方法将不再适用.本文研究在响应变量随机缺失下的变系数模型的统计推断问题.主要分为以下几个方面:首先基于协变量平衡倾向得分下的广义矩方法得到了选择概率的估计并且给出了估计量的渐近性质;然后研究变系数模型的未知系数函数的经验似然推断,借助选择概率的估计和扩张的逆概率加权方法构造了系数函数的经验对数似然比统计量;最后证明在适当的条件下似然比统计量服从卡方分布,从而得到系数函数的逐点置信区间.