不完全数据下响应变量的精度估计.pdfVIP

第23卷第6期 滨州学院学报 2007年 12月 VolI 23．No．6 Journal of Binzhou University Dec．，2007 不完全数据下响应变量的精度估计 王学丽 (北京邮电大学 理学院，北京 100876) 摘 要：讨论了在不完全数据下的响应变量的估计精度，当不可忽略缺失下，样本的响应有 缺失数据时，其联合分布是不可识别的．现证明了估计的精度与工具变量的相关性，当工具变量 独立于目标变量时，目标变量估计的方差趋于无穷大． 关键词：响应；图模型；可识别；不可忽略缺失 中图分类号：()212 文献标识码：A 文章编号：1673—2618(2007)06—0019—04 在抽样调查中，不完全数据是常见的，当缺失机制是不可忽略时，估计变得相当困难，许多作者对讨论 不可忽略缺失问题，例如文[1—4]．在许多的公共健康研究中可以看到很多的不可忽略缺失的例子；当缺 失响应的概率依赖于缺失值的时候，文[1]发展了一种在正态分布下的填补缺失值的算法；文[5]讨论了 在不可忽略缺失下的响应变量的识别问题；文[6，7]讨论了借助优势比识别不可忽略模型参数的条件． 本文讨论了在不可忽略缺失机制下的响应变量的估计精度．在不可忽略缺失下，样本的响应有缺失数 据时，其分布是不可识别的．例如，调查一个区域高收人人群的比例，y表示收入，是一个二值响应变量； Y一1代表高收入，Y一0代表低收入．R是响应的指示变量，R一1时，y是不可以观测的，如果R=0，则 y不可观测．如果高收入的人群中不响应的概率高于低收入的人群中的不响应概率，且这种不响应的概率 是不知道的，这种情况下，如果没有更多的信息，不能够估计高收人人群的真实比例．为了提高真实的识别 性，提出观测一个二值的工具变量X，X和收入y是相关的，但和指示变量R是条件于y独立的．本文证明 了估计的精度比例与工具变量与收入相关性的大小；尤其是当工具变量独立于结果变量收入时，估计的方 差会趋于无穷大． 1 定义和符号 y是二值响应变量，R是y的响应指示变量，X是二值工具变量，X全观测，假定变量y的缺失机制是 不可忽略的确，工具变量X和指示变量R在给定y的条件下是条件独立的，记作：X』LR}y．X，y和R的 联合分布可以写为：P(X= ，Y—Y，R—r)一P(X—X)P(y—y【X— )P(R=r j Y=：：v)，这里， P(Y—Y}X— )表示在给定X— 下Y—Y的条件概率．用”们表示在X=i，Y— 和R一1时的观 测频数，用”… 表示在X=1，Y丢失，以及R=0时的观测频数，详细见表1．结果变量Y和工具变量X之 间的相关性大小用它们之间的优势比来测量： OR 一 { 景 ． 2 主要结果 定理1 图1中，已知X』LR j Y，那么X，Y，R的联合概率是可以直接通过观测数据(R一1， ， )和 收稿日期：2007—05—10 基金项目：国家自然科学基金项目，北京邮电大学青年教师基金项目(022840) 作者简介：王学丽(1973 )，女，山东滨州人，理学博士，从事因果推断、贝叶斯网络研究． 20 滨州学院学报 第23卷 (R一0， )来识别，并且P( 一1)的估计是一个渐近无偏估计． 为了便于理解，记下列参数符号： ： 一P(R一1，Y—J I x= )，Pj 一P(Y—J『x—z1， 一P(R一1『Y— )． 证明 识别性的证明略(参考文[ ])， 0。。0l l一0lI。0。 01 1—01 o ’l0 一 一 — ．’