講座內(nèi)容：對處理不在隨機(jī)原理下缺失的數(shù)據(jù)在統(tǒng)計(jì)學(xué)中仍然是一個(gè)具有挑戰(zhàn)性的問題。在這篇文章中，對不可忽略的缺失數(shù)據(jù)，我們提出了一種基于半?yún)?shù)模型的一般分類的傾向得分的非參數(shù)估算法。與現(xiàn)有的估算法相比，我們所提出的估算法更靈活，對于傾向得分，它不要求模型規(guī)范化，并且對含有未知參數(shù)的一般的參數(shù)模型可以得到它的一致估計(jì)。為得到參數(shù)一致估計(jì)的傾向得分，提出了兩種方法：效度樣本和半經(jīng)驗(yàn)似然法。在MNAR的假設(shè)下，通過在一些校準(zhǔn)條件中添加輔助信息，我們得到了基于SEL的有效并顯著的估計(jì)。我們研究了基于已知或者估計(jì)的傾向得分參數(shù)估計(jì)的漸進(jìn)性.實(shí)證研究表明錯(cuò)定的響應(yīng)模估計(jì)具有穩(wěn)健性。并運(yùn)用隨機(jī)模擬和實(shí)例分析來評(píng)估以上方法對于有限樣本的可適用性。