随机缺失变量均值的二阶推断
统计理论
2015-11-30 v1 统计理论
摘要
在随机缺失假设下，我们提出一种受缺失影响的变量均值的二阶估计量。该估计量通过利用参数泛函的近似二阶展开（此外还有标准双重稳健方法所用的一阶展开）改进了现有方法。这导致对建立一致性、局部效率和渐近线性所需的收敛速率的假设更弱。该通用估计策略在目标最小损失估计（TMLE）框架下发展。我们给出一项模拟，比较一阶和二阶估计量对结果回归和缺失得分初始估计量收敛速率的敏感性。在我们的模拟中，二阶TMLE将置信区间的覆盖概率提高了至多85%。此外，我们提出一种受参数泛函二阶展开启发的一阶估计量。该估计量仅需一维平滑，而二阶TMLE的实现通常需要协变量空间上的核平滑。所提出的一阶估计量相比现有一阶估计量有望改善有限样本性能。在我们的模拟中，所提出的一阶估计量将覆盖概率提高了至多90%。我们使用公开可用数据集说明了我们的方法，以确定抗凝剂对接受经皮冠状动脉介入治疗患者健康结果的影响。我们提供了实现所提估计量的R代码。
引用
@article{arxiv.1511.08369,
title = {Second-Order Inference for the Mean of a Variable Missing at Random},
author = {Iván Díaz and Marco Carone and Mark J. van der Laan},
journal= {arXiv preprint arXiv:1511.08369},
year = {2015}
}