Inférence semiparamétrique pour les données manquantes

Cette séance de cours de l'instructeur aborde les défis que posent les données manquantes systématiquement dans l'analyse statistique, l'échec d'approches normalisées comme l'analyse complète des cas et la nécessité d'une inférence semiparamétrique pour les données manquantes non-monotone-non-aléatoire. La séance de cours se penche sur l'identification des mécanismes, des hypothèses et du modèle d'auto-censure. Il explore la paramétrisation du rapport de cotes, les composantes de la factorisation OR et la perspective graphique du modèle. La séance de cours traite également de la fonction d'influence efficace, d'un estimateur à double tour proposé et de son application aux données sur le VIH. La conclusion met en lumière le modèle général identifié MNAR, le lien d'efficacité semiparamétrique et la performance de l'estimateur proposé par des simulations et des applications réelles.