Nuisance parameter elimination for proportional likelihood ratio models with nonignorable missingness and random truncation.
Nuisance parameter elimination for proportional likelihood ratio models with nonignorable missingness and random truncation.
复制标题
DOI：
10.1093/biomet/ass056
复制
发表时间：
2013
期刊：
影响因子：
2.7
通讯作者：
Chan KC
中科院分区：
文献类型：
--
作者：
Chan KC
我们表明，最近提出的比例似然比模型享有模型不变的性质，在某些形式的不可分割的缺失机制和随机双截断数据，使目标参数的人口可以估计一致的偏差样本。我们还构建了一个替代估计的目标参数，通过最大化的伪似然，消除了模型中的功能滋扰参数。相应的估计方程具有U-统计量结构。作为所提出的方法的一个额外的优点，一个简单的得分型测试的回归系数的零假设进行测试。仿真结果表明，所提出的估计具有类似的非参数似然估计的小样本效率，并表现出良好的某些不可重复的缺失数据问题。
We show that the proportional likelihood ratio model proposed recently by enjoys model-invariant properties under certain forms of nonignorable missing mechanisms and randomly double-truncated data, so that target parameters in the population can be estimated consistently from those biased samples. We also construct an alternative estimator for the target parameters by maximizing a pseudo-likelihood that eliminates a functional nuisance parameter in the model. The corresponding estimating equation has a U-statistic structure. As an added advantage of the proposed method, a simple score-type test is developed to test a null hypothesis on the regression coefficients. Simulations show that the proposed estimator has a small-sample efficiency similar to that of the nonparametric likelihood estimator and performs well for certain nonignorable missing data problems.
登录
查看更多内容
影响因子：
2.1
作者：
Rathouz, Paul J.;Gao, Liping
通讯作者：
Gao, Liping
DOI：
10.1111/1467-9868.00263
发表时间：
2000-01-01
影响因子：
5.8
作者：
Liang, KY;Qin, J
通讯作者：
Qin, J
影响因子：
2.7
作者：
Qin, J;Zhang, B
通讯作者：
Zhang, B
影响因子：
2.7
作者：
PRENTICE, RL;PYKE, R
通讯作者：
PYKE, R
影响因子：
2.7
作者：
Gilbert, PB;Lele, SR;Vardi, Y
通讯作者：
Vardi, Y