Access

You are not currently logged in.

Access your personal account or get JSTOR access through your library or other institution:

login

Log in to your personal account or through your institution.

If you need an accessible version of this item please contact JSTOR User Support

Semiparametric Efficient Estimation for the Auxiliary Outcome Problem with the Conditional Mean Model

Jinbo Chen and Norman E. Breslow
The Canadian Journal of Statistics / La Revue Canadienne de Statistique
Vol. 32, No. 4 (Dec., 2004), pp. 359-372
Stable URL: http://www.jstor.org/stable/3316021
Page Count: 14
  • Get Access
  • Download ($4.00)
  • Cite this Item
If you need an accessible version of this item please contact JSTOR User Support
Semiparametric Efficient Estimation for the Auxiliary Outcome Problem with the Conditional Mean Model
Preview not available

Abstract

The authors consider semiparametric efficient estimation of parameters in the conditional mean model for a simple incomplete data structure in which the outcome of interest is observed only for a random subset of subjects but covariates and surrogate (auxiliary) outcomes are observed for all. They use optimal estimating function theory to derive the semiparametric efficient score in closed form. They show that when covariates and auxiliary outcomes are discrete, a Horvitz-Thompson type estimator with empirically estimated weights is semiparametric efficient. The authors give simulation studies validating the finite-sample behaviour of the semiparametric efficient estimator and its asymptotic variance; they demonstrate the efficiency of the estimator in realistic settings. /// Les auteurs s'intéressent à l'estimation semiparamétriquement efficace de paramètres dans le modèle à moyenne conditionnelle pour une structure de données incomplète simple dans laquelle l'événement d'intérêt n'est observé que pour un sous-ensemble aléatoire de sujets alors que les covariables et les variables de substitution (auxiliaires) sont observées pour tous. Ils font appel à la théorie des fonctions d'estimation optimales pour déterminer le score semiparamétriquement efficace de façon explicite. Ils montrent que lorsque les covariables et les variables auxiliaires sont discrètes, un estimateur de type Horvitz-Thompson à poids estimés empiriquement est semiparamétriquement efficace. Les auteurs présentent des études de simulation validant le comportement à taille finie de l'estimateur semiparamétriquement efficace et de sa variance asymptotique; ils démontrent en outre l'efficacité de cet estimateur dans des contextes réalistes.

Page Thumbnails

  • Thumbnail: Page 
359
    359
  • Thumbnail: Page 
360
    360
  • Thumbnail: Page 
361
    361
  • Thumbnail: Page 
362
    362
  • Thumbnail: Page 
363
    363
  • Thumbnail: Page 
364
    364
  • Thumbnail: Page 
365
    365
  • Thumbnail: Page 
366
    366
  • Thumbnail: Page 
367
    367
  • Thumbnail: Page 
368
    368
  • Thumbnail: Page 
369
    369
  • Thumbnail: Page 
370
    370
  • Thumbnail: Page 
371
    371
  • Thumbnail: Page 
372
    372