An innovative approach for unifying causal inference, missing data analysis, and copula models

统一因果推理、缺失数据分析和 copula 模型的创新方法

• 批准号: 19K13670
• 负责人: MOTEGI KAIJI
• 金额: $ 2.66万
• 依托单位: Kobe University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-04-01 至 2022-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19K13670/
• 关键词: 因果推論; 欠損データ; コピュラ; カリブレーション; 回帰分析; 欠損データ分析; トリートメント効果; コピュラモデル; Missing at Random (MAR); カリブレーション推定

项目成果

Copula-based regression models with data missing at random: A unified approach

基于 Copula 的数据随机丢失的回归模型：统一方法

• 发表时间: 2019
• 作者: Hamori Shigeyuki;Motegi Kaiji;Zhang Zheng;Kaiji Motegi;Kaiji Motegi
• 通讯作者: Kaiji Motegi

Copula-based regression models with data missing at random

基于 Copula 的回归模型，数据随机丢失

• DOI: 10.1016/j.jmva.2020.104654
• 发表时间: 2020
• 期刊: Journal of Multivariate Analysis
• 影响因子: 1.6
• 作者: Shigeyuki Hamori;Kaiji Motegi;and Zheng Zhang
• 通讯作者: and Zheng Zhang

研究代表者（茂木快治）の個人ウェブサイト

研究代表（茂木芳晴）的个人网站

A unified framework for efficient estimation of general treatment models

• DOI: 10.1920/wp.cem.2019.6419
• 发表时间: 2018-08
• 期刊: Quantitative Economics
• 影响因子: 1.8
• 作者: C. Ai;O. Linton;Kaiji Motegi;Zheng Zhang

Calibration estimation of semiparametric copula models with data missing at random

• DOI: 10.1016/j.jmva.2019.02.003
• 发表时间: 2019-09-01
• 期刊: JOURNAL OF MULTIVARIATE ANALYSIS
• 影响因子: 1.6
• 作者: Hamori, Shigeyuki;Motegi, Kaiji;Zhang, Zheng
• 通讯作者: Zhang, Zheng