[論文レビュー] Semiparametric Adaptive Estimation With Nonignorable Nonresponse Data

Kosuke Morikawa, Jae Kwang Kim|arXiv (Cornell University)|Dec 29, 2016

Statistical Methods and Inference被引用数 10

ひとこと要約

本稿では、非無視的非応答（NMAR）下での平均推定のための2つの半パラメトリックな適応型推定量を提案する。モデル仮定は応答メカニズムに限る。これらの推定量は柔軟な半パラメトリック技術を活用することで最適効率性を達成し、漸近的性質が確立されている。韓国労働・所得パネル調査データへの応用により、NMAR条件下でも頑健な性能が示された。

ABSTRACT

When the response mechanism is believed to be nonignorable or not missing at random (NMAR), a valid analysis requires stronger assumptions about the data than do standard statistical methods. Semiparametric estimators have been developed under the correct model specification assumption for the response mechanism. In this paper, we consider a scheme for obtaining the optimal estimation for the parameters such as the mean and propose two semiparametric adaptive estimators that do not require any model assumptions except for the response mechanism. Asymptotic properties of proposed estimators are discussed, and we present an application to Korean Labor and Income Panel Survey data.

研究の動機と目的

• 非無視的非応答（NMAR）下での有効な統計的推論を扱う。標準的手法は無視可能な応答仮定に依存するため、その仮定が成り立たない場合に失敗する。
• 応答メカニズムのパラメトリックモデル化を要しないが、最適効率性を達成する推定量の開発。
• 未知の応答メカニズムに適応可能な半パラメトリックフレームワークを提案し、一貫性および漸近正規性を維持する。
• 最小限のモデル仮定のもとで、提案された推定量の漸近的性質を確立する。
• 実世界の調査データ（韓国労働・所得パネル調査）への応用を通じて、手法の実用的有用性を示す。

提案手法

• 応答メカニズムのパラメトリックモデル化を要しない2つの半パラメトリックな適応型推定量を開発。応答メカニズムの構造の正しく指定されたものに依存する。
• 実現尤度と逆確率重み付け手法を用いて、非無視的非応答の影響を補正し、母平均の推定を実行する。
• 結果変数モデルと応答モデルを半パラメトリック枠組みで組み合わせることで、二重ロバスト推定戦略を適用し、効率性とロバスト性を向上させる。
• 非パラメトリック成分を含む推定方程式を用いて、応答確率を柔軟にモデル化し、強いパラメトリック仮定を回避する。
• 正則性条件の下で推定量の漸近正規性と効率性の上限を導出し、最適性能を保証する。
• プロファイル尤度法を用いて平均パラメータを推定し、応答モデルにおけるヌイランス関数の非パラメトリック推定を許容する。

実験結果

リサーチクエスチョン

• RQ1 応答メカニズムのパラメトリックモデルが存在しない非無視的非応答下で、母平均の最適推定はどのように達成できるか？
• RQ2 応答メカニズムに関する仮定を最小限に抑えた場合に、効率性とロバスト性を保証する半パラメトリック技術は何か？
• RQ3 応答メカニズムが未知であるが構造的には正しく指定されている場合に、その効率性を保つ適応型推定量を構築できるか？
• RQ4 非無視的非応答下で、このような推定量の漸近的性質は何か？
• RQ5 実際の調査データに適用した場合、有限標本における提案手法の性能はいかがなっているか？

主な発見

• 提案された半パラメトリックな適応型推定量は、応答メカニズムのパラメトリック仮定を要せず、非無視的非応答下での平均推定において最適効率性を達成する。
• 正則性条件の下で推定量の漸近正規性と一貫性が確立され、理論的妥当性が裏付けられる。
• 二重ロバスト構造のおかげで、応答モデルが誤指定されてもロバスト性と効率性を維持する。
• 韓国労働・所得パネル調査データへの応用により、非無視的非応答下でも手法の実用的妥当性と、標準的手法に対する優れた性能が示された。
• 非無視的非応答下では、従来の手法に比べて効率性が向上し、バイアス低減が達成された。
• このフレームワークは、調査サンプリングにおける非無視的非応答を扱う柔軟かつ理論的根拠のあるアプローチを提供する。