Key points are not available for this paper at this time.
우리는 다양한 누락된 데이터 패턴과 메커니즘 하에서 누락된 데이터 분석을 위한 역확률 가중치(IPW) 접근법 클래스를 검토합니다. IPW 방법은 누락된 데이터로 인해 발생하는 선택 편향을 제거하기 위해 완전 사례의 가중치 복사본으로 이루어진 의사 인구 집단을 생성하는 직관적인 아이디어에 의존합니다. 그러나 누락된 데이터 패턴과 메커니즘에 따라 필요한 가중치 접근법이 다릅니다. 우리는 접근법을 동기 부여하기 위해 균일한 누락된 데이터 패턴(즉, 전체 데이터가 관찰되는지를 나타내는 스칼라 누락 지표)으로 시작합니다. 이후 더 복잡한 설정으로 일반화합니다. 우리의 목표는 기존 IPW 접근법에 대한 개념적 개요를 제공하고 이러한 접근법 간의 연결점과 차이점을 설명하는 것입니다.
Li et al. (Fri,)는 이 질문을 연구했습니다.