缺失数据下的逆概率多重加权分位回归估计及其应用

作者：邰凌楠; 王春雨; 田茂再^*

来源：统计研究, 2018, 35(09): 115-128.

DOI：10.19343/j.cnki.11-1302/c.2018.09.010

• 线性分位回归
• 倾向得分
• 逆概率多重加权
• 随机缺失机制
• 模型平均

数据缺失问题普遍存在于应用研究中。在随机缺失机制假定下,本文从模型推断角度出发,针对线性缺失分位回归模型,提出一种新的有效估计方法——逆概率多重加权(IPMW)估计。该方法是在逆概率加权(IPW)估计的基础上,结合倾向得分匹配及模型平均思想,经过多次估计,加权确定最终参数估计结果。该方法适用于响应变量是独立同分布或独立非同分布的情形,并适用于绝大多数数据缺失场景。经过理论推导及模拟研究发现,IPMW估计量在继承IPW估计量的优势上具有更稳健的性质。最后,将该方法应用于含有缺失数据的微观调查数据中,研究了经济较发达的准一线城市中等收入群体消费水平的影响因素,对比两种估计方法的估计结果,发现逆概率多重加权估计量的标准偏差更小,估计结果更稳健。

• 单位
  教育部人文社会科学重点研究基地; 中国人民大学